Gabriel Augusto Duarte - Unicamprepositorio.unicamp.br/bitstream/REPOSIP/331502/1/Duarte...que o facilitem. Esta pesquisa apresenta um método de visualização para Mapas Conceituais

UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE TECNOLOGIA

MESTRADO EM TECNOLOGIA

Gabriel Augusto Duarte

Visualização de Mapas Conceituais Estendidos utilizando grafos orientados a força e restrições de posicionamento de vértices

Limeira, 2018

Gabriel Augusto Duarte

Visualização de Mapas Conceituais Estendidos

utilizando grafos orientados a força e restrições

de posicionamento de vértices

Dissertação apresentada ao Programa de Pós-Graduação da

Faculdade de Tecnologia da Universidade Estadual de Campinas,

como requisito para a obtenção do título de Mestre em

Tecnologia.

Área de Concentração: Tecnologia e Inovação

Orientador: Profª. Drª. Gisele Busichia Baioco

Co-orientador: Prof. Dr. Celmar Guimarães da Silva

ESTE EXEMPLAR CORRESPONDE À VERSÃO FINAL DA

DISSERTAÇÃO DEFENDIDA PELO ALUNO GABRIEL AUGUSTO

DUARTE, E ORIENTADA PELA PROFª. GISELE BUSICHIA BAIOCO

Limeira, 2018

Agência(s) de fomento e nº(s) de processo(s): Não se aplica.

Ficha catalográficaUniversidade Estadual de Campinas

Biblioteca da Faculdade de TecnologiaFelipe de Souza Bueno - CRB 8/8577

Duarte, Gabriel Augusto, 1988- D85v DuaVisualização de mapas conceituais estendidos utilizando grafos orientados

a força e restrições de posicionamento de vértices / Gabriel Augusto Duarte. –Limeira, SP : [s.n.], 2018.

DuaOrientador: Gisele Busichia Baioco. DuaCoorientador: Celmar Guimarães da Silva. DuaDissertação (mestrado) – Universidade Estadual de Campinas, Faculdade

de Tecnologia.

Dua1. Representação do conhecimento (Teoria da informação). 2. Visualização

de informação. 3. Algoritmos em grafos. I. Baioco, Gisele Busichia, 1970-. II.Silva, Celmar Guimarães da, 1978-. III. Universidade Estadual de Campinas.Faculdade de Tecnologia. IV. Título.

Informações para Biblioteca Digital

Título em outro idioma: Extended concept maps visualization through force orientedgraphs and position constraint verticesPalavras-chave em inglês:Knowledge representation (Information theory)Information visualizationGraph algorithmsÁrea de concentração: Tecnologia e InovaçãoTitulação: Mestre em TecnologiaBanca examinadora:Gisele Busichia Baioco [Orientador]Baioco, Gisele BusichiaAntonio Carlos ZambonLuís Sérgio Paço LopesData de defesa: 20-02-2018Programa de Pós-Graduação: Tecnologia

Powered by TCPDF (www.tcpdf.org)

FOLHA DE APROVAÇÃO

Abaixo se apresentam os membros da comissão julgadora da sessão pública de defesa de

dissertação para o Título de Mestre em Tecnologia na área de concentração de Tecnologia e

Inovação, a que submeteu o aluno Gabriel Augusto Duarte em 20 de fevereiro de 2018 na

Faculdade de Tecnologia - FT/ UNICAMP, em Limeira/SP.

Prof. (a). Dr (a) Gisele Busichia Baioco

Presidente da Comissão Julgadora

Prof. Dr. Antonio Carlos Zambon

Faculdade de Tecnologia - FT/ UNICAMP

Prof. Dr. Luís Sérgio Paço Lopes

Academia da Força Aérea - AFA

A Ata da defesa com as respectivas assinaturas dos membros encontra-se no processo de vida

acadêmica da aluna na Universidade.

RESUMO

O mercado atual, globalizado e interconectado, exige das organizações um

compartilhamento ágil do conhecimento, a fim de manter sua vantagem competitiva em meio

a uma concorrência crescente. Porém, o processo cognitivo no qual se compartilha o

conhecimento é complexo, e se faz necessária, portanto, a utilização de ferramentas e técnicas

que o facilitem. Esta pesquisa apresenta um método de visualização para Mapas Conceituais

Estendidos, sendo esse um modelo utilizado para representação, compartilhamento e análise

do conhecimento. Uma vez em que o modelo pode ser interpretado como um grafo inscrito

em uma matriz, técnicas da Visualização de Informação, em especial técnicas de visualização

de grafos, como orientação a força e restrição de posicionamento, se mostram úteis no

cumprimento da tarefa proposta. Para possibilitar a aplicação da visualização em ambiente

computacional, este trabalho tem como produto o software BLUE KMS, que implementa o

algoritmo para a visualização dos Mapas Conceituais Estendidos.

Palavras-chave: representação do conhecimento; visualização de informação;

algoritmos em grafos.

ABSTRACT

Nowadays, the Market is global and interconnected, demanding an agile share of

knowledge to keep the competitive advantages in a growing corporative competition.

However, the cognitive process of knowledge sharing is complex. It’s necessary to use

techniques and tools that make it easier. This research presents a visualization method for

Extended Concept Maps. This model is used to represent, share and analyze the knowledge.

Once in which this model can be interpreted as a graph over a matrix, Information

Visualization techniques, especially graph visualization techniques, such as force-based

techniques and constraint positioning, seem to be useful to accomplish this job. To apply the

proposed visualization on computational environment, this research has as product the BLUE

KMS software, that implements an algorithm to ECM visualization.

Keywords: knowledge representation; information visualization; algorithm on

graphs.

Dedico este trabalho a minha família. Sem eles nenhum esforço faria sentido.

A realização deste trabalho não seria possível somente por meio do meu esforço.

Portanto, deixo aqui a minha homenagem e agradecimento:

Primeiramente a Deus, que nos permitiu chegar até aqui.

Aos meus pais, Elso Francisco Duarte e Marli Claudia Ribeiro Duarte, por terem

me incentivado sempre a estudar, dando a base necessária para que isso pudesse acontecer.

A minha esposa, Daiany Suellen Baungartner, pela constante motivação; e pela

compreensão nos momentos que minha atenção era exclusiva a este trabalho.

A minha orientadora Drª. Gisele Busichia Baioco, e aos professores Dr. Antonio

Carlos Zambon e Dr. Celmar Guimarães da Silva, pela enorme dedicação para com a minha

pesquisa, pela paciência com meus deslizes e falta de tempo, e por não ter permitido que eu

desistisse mesmo diante das maiores dificuldades.

Aos meus companheiros de trabalho Diego Henrique Magrin e Felipe Antônio

Ferraz não só pelo apoio técnico, mas principalmente pela amizade e companheirismo que

tanto contribuíram para meu crescimento acadêmico.

“Se vi mais longe, foi por estar sobre ombros de gigantes.”

Isaac Newton

LISTA DE FIGURAS

FIGURA 2.1 – MAPA CONCEITUAL CÍCLICO ............................................................... 20

FIGURA 2.2 – MATRIZ SWOT.......................................................................................... 21

FIGURA 2.3 – MAPA CONCEITUAL ESTENDIDO ......................................................... 25

FIGURA 3.1 – PROCESSO DE VISUALIZAÇÃO ............................................................. 32

FIGURA 3.2 – GRÁFICO DE BARRAS ............................................................................. 33

FIGURA 3.3 – SÍMBOLOS INDICATIVOS ....................................................................... 33

FIGURA 3.4 – PERCEPÇÃO DE CORES .......................................................................... 34

FIGURA 3.5 – VARIÁVEIS RETINAIS ............................................................................. 34

FIGURA 4.1 – GRAFO SIMPLES ...................................................................................... 40

FIGURA 4.2 – GRAFO DE ORDEM 3 ............................................................................... 40

FIGURA 4.3 – MATRIZES DE INCIDÊNCIA E ADJACÊNCIA ....................................... 41

FIGURA 4.4 – CAMINHO .................................................................................................. 42

FIGURA 4.5 – CICLO ......................................................................................................... 42

FIGURA 4.6 – DÍGRAFO ................................................................................................... 43

FIGURA 4.7 – CONVENÇÕES DE LAYOUT ................................................................... 47

FIGURA 4.8 – RESTRIÇÃO DE ALINHAMENTO NAS ARESTAS ................................. 49

FIGURA 4.9 – TOPOLOGIA-FORMA-MÉTRICA ............................................................. 51

FIGURA 4.10 – ABORDAGEM HIERÁRQUICA .............................................................. 53

FIGURA 4.11 – ABORDAGEM DE VISIBILIDADE ......................................................... 54

FIGURA 4.12 – ABORDAGEM DE AMPLIAÇÃO............................................................ 55

FIGURA 4.13 – ABORDAGEM ORIENTADA A FORÇA................................................. 57

FIGURA 4.14 – ABORDAGEM “DIVIDIR E CONQUISTAR” COM DESENHO RADIAL

...................................................................................................................................... 59

FIGURA 4.15 – GRAFO COM RESTRIÇÕES DE POSICIONAMENTO .......................... 63

FIGURA 4.16 – GROUP-IN-A-BOX LAYOUT .................................................................. 64

FIGURA 5.1 – VISUALIZAÇÃO DO MAPA CONCEITUAL ESTENDIDO ..................... 73

FIGURA 5.2 – ECM COM RÓTULOS OCULTOS ............................................................. 74

FIGURA 5.3 – ECM COM MATRIZ DINÂMICA .............................................................. 75

FIGURA 5.4 – ECM SEM MATRIZ DE ATRIBUTOS ....................................................... 75

FIGURA 5.5 – ECM SEM MATRIZ DE ATRIBUTOS COM GRANDE QUANTIDADE DE

VÉRTICES ................................................................................................................... 76

FIGURA 5.6 – DESTAQUE NA INFLUÊNCIA DE CONCEITO ....................................... 76

FIGURA 6.1 - REPRESENTAÇÃO DO CASO DE ESTUDO ............................................ 80

FIGURA 6.2 - REPRESENTAÇÃO DO CASO DE ESTUDO UTILIZANDO BLUE KMS 81

FIGURA 6.3 - DESTAQUE DAS RELAÇÕES DE UM CONCEITO ................................. 83

FIGURA 6.4 - REPRESENTAÇÃO COMO “GALÁXIA” .................................................. 84

FIGURA 6.5 - REPRESENTAÇÃO DAS ALTERAÇÕES NO SISTEMA .......................... 85

FIGURA 6.6 - REPRESENTAÇÃO VISUAL ..................................................................... 88

SUMÁRIO

LISTA DE FIGURAS ............................................................................................................ x SUMÁRIO .......................................................................................................................... xii

1 Introdução ..................................................................................................................... 14 1.1 Hipótese da pesquisa ............................................................................................... 15 1.2 Objetivo .................................................................................................................. 15 1.3 Organização do trabalho ......................................................................................... 15

2 Mapas conceituais estendidos ........................................................................................ 17 2.1 Representação do conhecimento ............................................................................. 17 2.2 Mapas conceituais ................................................................................................... 19 2.3 Matrizes de atributos ............................................................................................... 20 2.4 Mapas conceituais estendidos.................................................................................. 22

2.4.1 Delimitação do conhecimento representado ...................................................... 23 2.4.2 Identificação das proposições secundárias ........................................................ 23 2.4.3 Atributos de controlabilidade ............................................................................ 23 2.4.4 Representação visual ........................................................................................ 24

2.5 Considerações do capítulo ....................................................................................... 26

3 Visualização de Informação........................................................................................... 27 3.1 Introdução a Visualização de Informação ................................................................ 27 3.2 Tipos de dados ........................................................................................................ 28 3.3 Processo de visualização ......................................................................................... 30 3.4 Mapeamento visual de dados .................................................................................. 32 3.5 Interação ................................................................................................................. 35 3.6 Avaliação de representações visuais ........................................................................ 37 3.7 Considerações do capítulo ....................................................................................... 38

4 Visualização de grafos ................................................................................................... 39 4.1 Teoria dos grafos .................................................................................................... 39

4.1.1 Matrizes de incidência e adjacência .................................................................. 41 4.1.2 Caminhos e ciclos ............................................................................................. 41 4.1.3 Dígrafos ........................................................................................................... 42

4.2 Problemas na visualização de grafos ....................................................................... 44 4.3 Paradigmas do desenho de grafos ............................................................................ 45

4.3.1 Convenções de layout ....................................................................................... 46 4.3.2 Convenções estéticas ........................................................................................ 47 4.3.3 Restrições ......................................................................................................... 48

4.4 Precedência de padrões estéticos ............................................................................. 50 4.4.1 Topologia-forma-métrica .................................................................................. 50 4.4.2 Abordagem hierárquica .................................................................................... 52 4.4.3 Abordagem de visibilidade ............................................................................... 53 4.4.4 Abordagem de ampliação ................................................................................. 55 4.4.5 Abordagem orientada a força ............................................................................ 56 4.4.6 Abordagem “Dividir e conquistar”.................................................................... 58

4.5 Técnicas para visualização de grafos ....................................................................... 59 4.5.1 Algoritmos orientados a força ........................................................................... 60 4.5.2 Vértices com restrições de posicionamento ....................................................... 63 4.5.3 Visualização de agrupamentos em grafos .......................................................... 64

4.5.4 Eficiência ......................................................................................................... 65 4.6 Considerações do capítulo ....................................................................................... 65

5 Visualização de Mapas Conceituais Estendidos ............................................................. 66 5.1 Requisitos do processo de visualização ................................................................... 66 5.2 Mapeamento visual ................................................................................................. 68 5.3 Algoritmo de visualização ....................................................................................... 71 5.4 Visualização dos Mapas Conceituais Estendidos ..................................................... 72 5.5 Considerações do capítulo ....................................................................................... 77

6 Estudo de caso ............................................................................................................... 78 6.1 Primeiro cenário de avaliação ................................................................................. 78 6.2 Segundo cenário de avaliação ................................................................................. 87 6.3 Outros cenários de avaliação ................................................................................... 91 6.4 Considerações do capítulo ....................................................................................... 91

7 Conclusão ..................................................................................................................... 92 7.1 Considerações gerais ............................................................................................... 92 7.2 Trabalhos futuros .................................................................................................... 93

Referências bibliográficas .................................................................................................... 94

14

1 INTRODUÇÃO

Tradicionalmente, o compartilhamento do conhecimento corporativo ocorre por

meio de vários métodos, como interações face-a-face, tutoria, treinamento e desenvolvimento

de equipes. Porém, para o mercado atual, globalizado e virtualmente conectado, tais métodos

de compartilhamento se demonstram lentos e pouco efetivos. Dessa maneira, as organizações

foram compelidas a organizar e produzir sistemas informatizados projetados especificamente

para a facilitar a codificação, coleção, integração e disseminação do conhecimento

organizacional, dando origem aos sistemas de gerenciamento do conhecimento (Knowledge

Management Systems - KMS) (ALAVI; LEIDNER, 1999).

Uma vez armazenado e estruturado, o conhecimento ainda demanda um segundo

processo complexo para que seu receptor possa utilizá-lo. É necessário que o conhecimento

seja recebido e absorvido pelo destino. O objetivo da representação do conhecimento é

facilitar esse processo, e recursos visuais permitem que atalhos sejam tomados no processo

cognitivo (CARD; MACKINLAY; SHNEIDERMAN, 1999). Técnicas que permitam utilizar,

de maneira apropriada, os recursos visuais são pesquisadas e elaboradas pela área da

Visualização de Informação (MAZZA, 2009).

O modelo de representação do conhecimento chamado Mapas Conceituais

Estendidos (ZAMBON et al., 2016a) tem por objetivo unir técnicas conceituadas da área da

gestão estratégica, permitindo que o conhecimento corporativo possa ser representado,

analisado e compreendido como sistema complexo. Entretanto, até então o modelo não havia

incorporado nenhuma técnica que ampliasse sua capacidade cognitiva, como as técnicas da

Visualização de Informação.

Este trabalho propôs a aplicação de técnicas da Visualização de Informação,

principalmente técnicas da visualização de grafos, como orientação a força e restrições no

posicionamento de vértices, verificando a utilidade das técnicas na visualização de Mapas

Conceituais Estendidos. A aplicação em ambiente computacional se deu com o

desenvolvimento do software BLUE KMS (ZAMBON et al., 2016b), permitindo a elicitação,

armazenamento e representação do conhecimento utilizando Mapas Conceituais Estendidos.

15

1.1 Hipótese da pesquisa

A presente pesquisa teve como hipótese: “É possível propor novas representações

visuais para Mapas Conceituais Estendidos, utilizando técnicas da Visualização de

Informação, de maneira a melhor evidenciar características relevantes do modelo, em

diferentes cenários de análise?”

1.2 Objetivo

Este trabalho teve por objetivo principal testar a hipótese de que as técnicas de

Visualização de Informação, especialmente as técnicas de visualização de grafos, são úteis

para a representação do modelo conhecido como Mapas Conceituais Estendidos. Em especial,

este trabalho focou-se no uso de grafos orientados a força, com e sem restrições de

posicionamento.

Foram objetivos secundários, necessários ao cumprimento do objetivo principal, a

definição de requisitos para a visualização, definição das restrições necessárias, definição das

interações e mapeamento visual. Da mesma maneira, foi necessária a implementação de

algoritmo para realização do processo de visualização em ambiente computacional,

originando o software BLUE KMS (ZAMBON et al., 2016b).

1.3 Organização do trabalho

Esta dissertação está organizada na seguinte estrutura:

• O Capítulo 2 aborda a necessidade da socialização e compartilhamento do

conhecimento para que as organizações mantenham a competitividade na realidade do

mercado contemporâneo. São descritos os mapas conceituais e matrizes de atributos

como ferramentas já conceituadas na área da gestão estratégia, para então apresentar

os Mapas Conceituais Estendidos, modelo que une as vantagens analíticas dessas duas

ferramentas, e que representa a base para este trabalho.

16

• O Capítulo 3 aborda a área de Visualização de Informação, seus conceitos, técnicas e

ferramentas que permitem ampliar a capacidade humana de análise, compreensão e

aprendizado sobre um conjunto de dados, por meio de recursos visuais.

• O Capítulo 4 apresenta técnicas da Visualização de Informação voltadas aos grafos,

uma vez que os mapas conceituais, componentes dos Mapas Conceituais Estendidos,

têm sua representação visual baseada nessa estrutura.

• O Capítulo 5 descreve a representação visual criada neste trabalho, composta pelos

requisitos para visualização, restrições, interações e mapeamento visual dos Mapas

Conceituais Estendidos. Em seguida, o capítulo apresenta o algoritmo de visualização,

o software desenvolvido e os resultados visuais gerados.

• O Capítulo 6 apresenta o caso de estudo utilizado para avaliação do algoritmo

proposto no Capítulo 5.

• O Capítulo 7 apresenta as considerações finais da pesquisa, conclusões que puderam

ser realizadas e propostas de trabalhos futuros.

17

2 MAPAS CONCEITUAIS ESTENDIDOS

O conhecimento corporativo é composto pela união do conhecimento individual

de cada um dos agentes envolvidos nas tarefas organizacionais, sejam eles colaboradores,

gestores ou participantes externos. Porém, o processo de construção do conhecimento coletivo

e compartilhado é complexo e demanda estratégias para socializar um recurso que é altamente

endógeno e subjetivo. O presente capítulo realiza uma breve contextualização sobre a

dificuldade da externalização desse conhecimento, apresentando técnicas conhecidas, como

matrizes de atributos e mapas conceituais, para redução dessa complexidade. Por fim, é

apresentada a abordagem dos Mapas Conceituais Estendidos (Extended Concept Maps -

ECM) (ZAMBON et al., 2016a), sendo essa o ponto de partida deste trabalho.

2.1 Representação do conhecimento

Organizações corporativas foram inicialmente concebidas a partir do trabalho

coletivo e, nos dias atuais, tal modelo ainda é utilizado para adquirir vantagens competitivas

sustentáveis. Sob a ótica sistêmica, um fluxo de recursos compatível com as mudanças do

mercado torna duradouras as vantagens competitivas adquiridas. Para atingir esse ponto de

maturidade organizacional é necessário alinhar questões funcionais, informacionais e

tecnológicas (ANUNCIAÇÃO; ZORRINHO, 2006).

Tais condições sistêmicas também definem as diversas competências que os

gestores devem possuir no ambiente contingencial (ROUBY; THOMAS, 2009).

Competências que são construídas endogenamente pelos indivíduos por meio de processos

individuais de aprendizado, onde o acúmulo de conceitos, teorias e ideias constrói a base do

conhecimento. Dessa maneira, é possível dizer que o conhecimento é o resultado de uma

atividade intelectual individual de obtenção e processamento de dados externos. Inteligência é

a capacidade de aplicação do conhecimento a fim de atingir os objetivos desejados. Em suma,

o conhecimento está relacionado ao indivíduo, sendo um recurso interno utilizado para

produzir mudanças externas, no ambiente coletivo (ANUNCIAÇÃO; ZORRINHO, 2006).

Sendo as corporações ambientes de trabalho coletivo, faz-se necessária a

construção do conhecimento em grupo. Para externalizar o conhecimento, as corporações

promovem a socialização e troca de informações entre seus colaboradores. Porém, a tarefa de

18

compartilhar um recurso tácito e individual demonstra-se complexa e se torna um problema a

ser resolvido (NONAKA; TAKEUCHI, 1996).

A fim de organizar o conhecimento individual e construir o conhecimento

coletivo, é necessário representá-lo. A representação do conhecimento se baseia em métodos

sistemáticos e formais para explicitar conceitos que pertençam somente ao individuo e são

relevantes na construção da inteligência corporativa. De acordo com a Teoria da Codificação

Dual (PAIVIO, 1991), a estrutura cognitiva humana relaciona imagens e palavras de maneira

independente, armazenando esses componentes sob diferentes codificações internas. Quando

se imagina um carro, por exemplo, a mente humana normalmente busca a representação

fonética da palavra “carro”, associando a palavra a imagens de carros. Considerando que o

conhecimento é dividido em dois subsistemas: imagético e verbal, a externalização do

conhecimento por meio de representações torna-se mais eficiente quando une a capacidade de

associação desses dois componentes (TAVARES, 2007).

A partir da década de 1970, o planejamento estratégico das organizações deixou

de ser puramente numérico e racional, passando a utilizar abordagens cognitivas

(MACHADO-DA-SILVA; FONSECA; FERNANDES, 1999; MINTZBERG, 1987).

Considerando essa nova realidade, as limitações cognitivas dos gestores se tornaram um fator

a ser trabalhado. De acordo com a teoria da racionalidade limitada (SIMON, 1991), devido a

incapacidade dos gestores em conhecer todas as variáveis de tempo, recursos e interesses, as

decisões tomadas podem ser satisfatórias, mas nunca ótimas.

A Abordagem Proposicional (MITCHELL; BOYLE, 2010) enfatiza a semântica,

considerando que o conhecimento é organizado em proposições inter-relacionadas, compondo

um domínio contextualizado e global (BADDELEY, 1974). Dessa abordagem surge um

esquema interpretativo, definido por mapas conceituais (DUVAL et al., 2012). Mapas

conceituais são diagramas formados por conceitos ligados por ações, associando elementos

gráficos a palavras, como predito na Teoria da Codificação Dual (PAIVIO, 1991).

Outra estratégia amplamente utilizada por gestores para transcender os limites

cognitivos é a utilização de matrizes de atributos. Uma matriz de atributos considera que os

componentes dos processos decisórios podem ser reduzidos a critérios ou atributos. Esses

atributos são previamente definidos por analistas, que os categorizam em uma ordem que

19

facilite a tomada de decisão. Matrizes de atributos, assim como mapas conceituais, são

instrumentos analíticos utilizados pelas organizações para minimizar restrições na formulação

de hipóteses e facilitar a elaboração das soluções de problemas. Matrizes ampliam o acesso a

elementos semânticos, reduzindo os efeitos dos limites cognitivos.

2.2 Mapas conceituais

Mapas conceituais são diagramas nos quais conceitos são relacionados. Conceitos

são pequenas frases que contêm um substantivo compondo o núcleo de seu significado. Esses

conceitos são interligados por relações de causa e efeito representadas por verbos ou

sintagmas verbais (NOVAK, 2010). Cada relacionamento representa uma proposição (p) e, a

união das proposições em um contexto, dão sentido a uma proposição principal (P).

A representação de alguns eventos só é possível utilizando feedbacks

(retroalimentação), processos não lineares em sistemas dinâmicos. Tais processos são

necessários para explicar como um conceito A pode influenciar e modificar um conceito B e,

em um momento futuro, como o conceito B irá influenciar o conceito A, direta ou

indiretamente. Um mapa conceitual cíclico, ou diagrama de feedbacks (SENGE, 2014), é o

meio para representar uma relação entre conceito-causa e conceito-efeito, que gera os ciclos

de retroalimentação. No âmbito da física, os mapas conceituais cíclicos assemelham-se a

redes de transferência de energia, que geram valor adicional, fluindo do conceito-causa para o

conceito-efeito pela relação entre eles. Em virtude disso, observa-se a proximidade com as

ideias de auto-organização e dinâmica não-linear (D’OTTAVIANO; BRESCIANI FILHO,

2000).

A Figura 2.1 exemplifica um mapa conceitual cíclico contendo quatro

proposições. Cada proposição p é composta por um conceito-causa Cc, um conceito-efeito

Ce, e uma relação de causa e efeito, simbolizada por um verbo V. Um exemplo de proposição

pode ser dado por: “Avanços em inovação (Cc) encorajam (V) o entusiasmo da equipe de

inovação (Ce)”. A influência entre conceitos pode acontecer de duas maneiras: o conceito-

causa reforçando (+) ou balanceando (-) o comportamento do conceito-efeito. Uma relação de

reforço demonstra um comportamento de expansão, no qual o conceito-causa influencia o

conceito-efeito ampliando sua ação no sistema. Por sua vez, uma relação de balanceamento

20

demonstra o oposto, significando que a influência do conceito-causa reduz a ação do

conceito-efeito (STERMAN, 2001).

Figura 2.1 – Mapa conceitual cíclico

Fonte: Desenvolvido pelo autor

De acordo com a Abordagem dos Sistemas Abertos (BERTALANFFY, 1968),

sistemas podem ser modificados por influências externas, do mesmo modo que seus

componentes podem influenciar o meio externo. Como mapas conceituais representam

segmentos de sistemas reais, consequentemente podem ser utilizados para análise de partes

delimitadas a um domínio específico.

2.3 Matrizes de atributos

Matrizes de atributos são instrumentos analíticos utilizados para categorizar e

comparar conceitos que representem diferentes segmentos da situação analisada. A matriz

SWOT (HELMS; NIXON, 2010) é uma matriz de atributos amplamente utilizada no

gerenciamento estratégico (SLACK, 1987; THOMPSON; BANK, 2010). Em sua

representação original, a matriz apresenta quatro células, significando forças (strengths - S),

21

fraquezas (weaknesses - W), oportunidades (opportunities - O) e ameaças (threats - T),

respectivamente. As atividades avaliadas são posicionadas em cada uma dessas células.

A Figura 2.2 apresenta um exemplo da matriz SWOT na qual é possível observar

dois atributos divididos em colunas (estimulam ou inibem o crescimento) e dois atributos

divididos em linhas (atributos internos ou externos da organização).

Figura 2.2 – Matriz SWOT


De acordo com a situação analisada, conceitos são distribuídos na matriz SWOT,

sendo caracterizados em relação aos atributos da matriz. Na matriz não há qualquer relação

entre os conceitos ou noções de causa e efeito, como ocorre nos mapas conceituais.

Mapas conceituais oferecem ao analista uma maior capacidade de mapear e

compreender os fenômenos que ocorrem no cenário analisado, enquanto matrizes de atributos

são eficientes para separar componentes analíticos em segmentos, permitindo a avaliação de

mudanças no ambiente interno, geradas tanto próprio ambiente interno quanto externo,

conforme a Abordagem dos Sistemas Abertos (BERTALANFFY, 1968).

22

2.4 Mapas conceituais estendidos

Nomeia-se Mapa Conceitual Estendido (Extended Concept Map - ECM) o

conjunto de regras baseadas na abordagem proposicional, unindo mapas conceituais e

matrizes de atributos (ZAMBON et al., 2016a). Tais regras respeitam os seguintes axiomas:

• A representação do conhecimento é contextualizada em um domínio específico que

engloba um ou mais problemas a serem solucionados;

• A representação possui proposições inter-relacionadas, compostas por conceitos, e

verbos que unem esses conceitos em relações de causa e efeito;

• A posição dos conceitos no diagrama representa o nível de controle do agente sobre o

conceito, sendo agente o detentor do conhecimento, e dos conceitos sobre o domínio;

• Conceitos possuem significado intrínseco e contextualizado no domínio que estão

inseridos.

A representação do conhecimento utilizando ECM segue os seguintes passos:

a. Declaração da proposição inicial P representando o problema a ser analisado, de

acordo com o domínio que o engloba (Seção 2.4.1).

b. Identificação das proposições secundárias (p), conceitos-causa (Cc), conceitos-

efeito (Ce) e suas relações de causa e efeito (V) (Seção 2.4.2).

c. Definição da controlabilidade que os agentes possuem sobre os conceitos e da

controlabilidade dos conceitos sobre P (Seção 2.4.3).

d. Representação visual do modelo (Seção 2.4.4).

23

2.4.1 Delimitação do conhecimento representado

O conhecimento possui um senso contextualizado, e sua representação está

associada a uma questão problemática que deve ser abordada, aprendida ou resolvida. Dessa

maneira, inicialmente o agente declara uma proposição principal P para delimitar o cenário a

ser analisado. Isso se faz necessário para que o agente esteja mentalmente focado no cenário

abordado e possa recuperar com clareza as características da situação analisada.

Tais características são representadas pelas proposições secundárias (p) que

compõem o modelo e são indispensáveis para a compreensão da situação. Dessa maneira, é

essencial que as proposições p façam referencia a P, para que se obtenha uma representação

top-down.

2.4.2 Identificação das proposições secundárias

Proposições secundárias p são compostas por conceitos Cc e Ce, relacionados por

proposições de causa e efeito, cujo núcleo é composto por um verbo V. Para uma análise

apropriada, todos os conceitos devem fazer parte de ao menos um relacionamento, mas nunca

de todos, o que representaria uma estrutura de causa e efeito inviável ou até mesmo

impossível.

Quando todas as proposições p estão interconectadas, a estrutura gerada é idêntica

à de um mapa conceitual cíclico. Em razão disso, atributos de balanceamento (-) e reforço (+)

também são adicionados às proposições, tal como apresentado na Seção 2.2.

2.4.3 Atributos de controlabilidade

Conceitos representam algo pertencente ao domínio, seja concreto ou abstrato, e

são responsáveis pelas mudanças nos sistemas. Tais mudanças ocorrem de duas maneiras:

pela influência do agente sobre o conceito ou pela influência do conceito sobre P.

O agente pode causar as mudanças desejadas no sistema se puder controlar um

conceito cuja influência atinja elementos que deseja modificar. Se um agente possui controle

sobre um conceito, esse conceito é dito controlável (CT) pelo agente. Por outro lado, se um

conceito não pode ser controlado diretamente pelo agente, tal conceito é não-controlável (NC)

24

pelo agente. Ambas as situações exprimem certeza, positiva ou negativa, sobre o nível de

controle do agente. Existe ainda a situação de penumbra (PN) que caracteriza a falta de

certeza sobre o controle do agente em relação a determinado conceito. Todo conceito presente

no ECM deve possuir o atributo que define sua situação acerca do controle do agente. Tal

atributo é nomeado formalmente por “controlabilidade do agente”.

Outro atributo presente nos conceitos do ECM define a capacidade de um

conceito em influenciar mudanças em P, em outras palavras, a capacidade do conceito em

influenciar o meio no qual está inserido. Todas as relações de causa e efeito podem mudar a

situação de P, seja direta ou indiretamente. Se um conceito produz mudanças diretas em P,

então esse conceito é tido como controlável (CT) em relação ao domínio. De maneira

contrária, se um conceito não pode influenciar P diretamente, tal conceito é dado como não-

controlável (NC) em relação ao domínio. Se a capacidade de influência de um conceito sobre

P é desconhecida, é caracterizada a situação de penumbra (PN) em relação ao domínio.

Formalmente, o atributo que caracteriza a influência de P sobre o domínio é chamado

“controlabilidade no domínio”.

2.4.4 Representação visual

A representação visual básica de um ECM, ou seja, a representação ainda sem o

auxílio de técnicas de Visualização de Informação, cuja aplicação são o motivo da presente

pesquisa, é feita por meio dos seguintes componentes:

• Proposição inicial: no ECM, a proposição inicial P é apresentada em forma textual,

inscrita em um quadro posicionado na área superior do diagrama. A posição de

destaque se deve a maneira de leitura do diagrama, que se inicia sempre pela

proposição inicial, com o objetivo de contextualizar o analista acerca do domínio em

questão.

• Atributos de controlabilidade: abaixo da proposição inicial encontra-se a matriz de

atributos, de tamanho 3 × 3, onde os conceitos serão inseridos. As colunas da matriz

representam os atributos de “controlabilidade no domínio”, podendo ser NC, PN, CT,

em uma leitura da esquerda para a direita. Enquanto as linhas representam a

“controlabilidade do agente”, podendo ser CT, PN, NC, em uma leitura realizada de

25

cima para baixo. A situação de penumbra total (PN, PN) está propositalmente situada

ao centro do diagrama, por se tratar do ponto de maior incerteza, devendo ser,

portanto, o primeiro foco de atenção do analista.

• Conceitos: uma vez representada a matriz de atributos, os conceitos devem ser

inseridos nas células que descrevam sua situação de controlabilidade. Para tal, esses

conceitos são apresentados como círculos que possuem rótulos textuais.

• Relações de causa e efeito: relações de causa e efeito são representadas no ECM por

meio de setas que partem do conceito-causa com destino ao conceito-efeito. Essas

setas devem ser curvas, representando a não linearidade do raciocínio sistêmico. No

final das setas, devem ser apresentados os sinais de reforço (+) ou balanceamento (-)

indicando a natureza da relação de causa e efeito.

A Figura 2.3 apresenta um exemplo da representação visual básica do ECM, na

qual quatro conceitos se relacionam.

Figura 2.3 – Mapa Conceitual Estendido


26

Na Figura 2.3, o conceito A possui a configuração de controlabilidade (CT, PN), o

conceito B controlabilidade (PN, CT), o conceito C controlabilidade (NC, NC), e o conceito D

controlabilidade (PN, PN). É possível notar a influência de A sobre B, B sobre C e C sobre A,

gerando um ciclo de influências de reforço o qual, se não houverem interferências por parte

do agente, tende ao infinito. Existe também a influência de A sobre D, em uma relação de

balanceamento. Como não é certa a influência do agente sobre o conceito D, caso fosse

necessária uma ação sobre esse conceito, seria necessária que fosse feita sobre o conceito A,

controlável pelo agente. Se o objetivo for o aumento do efeito de D sobre o sistema, é

necessário reduzir o comportamento de A, se for necessário reduzir o efeito de D, basta

ampliar o comportamento de A.

2.5 Considerações do capítulo

Este capítulo apresentou conceitos sobre representação do conhecimento, mapas

conceituais, matrizes de atributos, introduzindo conceitos do ECM. Como visto, a

representação básica desse modelo não utiliza técnicas de visualização para ampliar sua

capacidade cognitiva, sendo necessário buscar tais técnicas na área da Visualização de

Informação. Como meio para a obtenção do embasamento teórico necessário, o próximo

capítulo aborda justamente essa área.

27

3 VISUALIZAÇÃO DE INFORMAÇÃO

Cognição é a aquisição e utilização de conhecimento (CARD; MACKINLAY;

SHNEIDERMAN, 1999). A atividade cognitiva cria modelos mentais sobre o conjunto de

informações recebido através dos sentidos humanos. Modelos mentais são representações

mentais sobre uma situação real, ou como definido na psicologia cognitiva, uma “codificação

interna” do cérebro descrevendo as características do mundo real (MAZZA, 2009).

Porém, a atividade cognitiva não ocorre sempre da mesma maneira, com a mesma

facilidade para todos os tipos de informações recebidas. A capacidade cognitiva pode ser

ampliada quando recursos visuais são utilizados (CARD; MACKINLAY; SHNEIDERMAN,

1999). A área de Visualização de Informação tem por objetivo pesquisar métodos e

ferramentas que organizam e apresentam dados de maneira visual ampliando, portanto, a

cognição (MAZZA, 2009). Esses métodos e ferramentas estão descritos no presente capítulo.

3.1 Introdução a Visualização de Informação

O termo visualização pode ser utilizado para definir a atividade cognitiva

realizada por meio da visão, na qual se interpreta uma imagem. Na Visualização de

Informação, o termo visualização também se refere a representação visual de algo.

A visualização consegue expandir a capacidade de processamento de dados

acessando diretamente os recursos do sistema visual humano. São fatores que colaboram para

que a visualização facilite a cognição: (1) Aumento da capacidade de memorização da

informação apresentada; (2) Redução da necessidade de busca das informações relevantes em

meio a um conjunto grande de dados; (3) Facilidade de detecção de padrões; (4) Facilidade de

realizar inferências perceptivas; (5) Utilização de mecanismos de atenção da percepção

humana para monitorar pontos relevantes da informação; (6) Tradução da informação para

meios comuns a compreensão humana (CARD; MACKINLAY; SHNEIDERMAN, 1999).

O termo Visualização de Informação surgiu em meados da década de 1980, para

identificação da disciplina que pesquisa a criação de artefatos visuais destinados a ampliar a

cognição acerca da informação. A necessidade de tal pesquisa se intensificou desde o início

da globalização econômica e de comunicação, quando houve um crescimento exponencial da

28

quantidade de dados armazenados, considerando que esse aumento de dados não significou

necessariamente um crescimento imediato na quantidade de informação (MAZZA, 2009). A

necessidade de se processar dados para que se tornem informação denuncia a diferença entre

esses conceitos, sendo necessário defini-los.

Dados são fatos conhecidos que possuem um significado próprio e podem, de

alguma maneira, ser armazenados. Nomes, endereços e telefones são dados sobre pessoas que

podem estar registrados em uma agenda, por exemplo. Quando isolados, os dados não são

suficientes para se estabelecer o processo comunicativo, no qual a origem envia a informação

e o destino compreende. É necessário que os dados sejam processados, organizados e

apresentados de maneira adequada para que se tornem úteis para a compreensão da situação

que representam. O resultado desse processo de transformação dos dados (cognição) é a

informação. A sucessiva obtenção de informações que permite compreender uma situação é

chamada de conhecimento. Pode-se citar, como exemplo, o aluno que recebe diariamente as

informações de seu professor e se torna capaz de resolver um problema da matemática. Diz-

se, portanto, que o aluno adquiriu conhecimento (ELMASRI; NAVATHE, 2003) (MAZZA,

2009).

3.2 Tipos de dados

Qualquer método de representação visual se inicia por um conjunto de dados. Tais

dados podem ser classificados dependendo do tipo a que pertencem, e de acordo com os

atributos que possuem, e a escolha do método de representação depende dessa classificação.

KERREN, EBERT e MEYER (2006) propõe duas possíveis taxonomias para a classificação

dos dados:

Classificação dos dados por atributos:

• Escala nominal: escala na qual não existe relação de ordem entre os dados, como

nomes, endereços e telefones. É possível apenas afirmar que existe igualdade ou

diferença entre os dados.

• Escala ordinal: escala na qual há uma relação de ordem estabelecida entre os dados. É

possível dizer que o elemento A é maior ou menor que B graças a sua característica

ordinal.

29

• Escala intervalar: estendendo a escala ordinal, na escala intervalar os dados são

ordenados e igualmente espaçados, sendo conhecida a diferença existente entre os

valores. Exemplo: pessoas divididas em grupos de 1,60m, 1,70m e 1,80m, ou seja,

grupos com intervalos de 10cm.

• Escala racional ou quantitativa: estendendo a escala intervalar, na escala racional

considera-se o zero absoluto como referência. Valores monetários são um exemplo

para a escala racional.

Classificação de dados no contexto da Visualização de Informação:

• Dados lineares ou de primeira dimensão: dados que podem ser organizados de maneira

sequencial, como listas de nomes, códigos-fonte de softwares e textos em geral.

• Dados planares ou de segunda dimensão: dados que podem ser apresentados

espacialmente em um plano de duas dimensões, como o eixo cartesiano. Dados

geográficos estão inclusos nessa categoria.

• Dados de terceira dimensão: representam os objetos do mundo real, como moléculas,

pessoas ou construções. Esses objetos possuem volume e devem, portanto, ser

representados em três dimensões.

• Dados temporais: dados que podem ser apresentados em linhas de tempo, uma vez que

possuem ordem cronológica. A diferença dos dados dessa categoria para os dados

lineares está no fato de possuírem um início e fim.

• Dados multidimensionais ou multivariados: dados relacionais ou estatísticos, como os

armazenados em bancos de dados. Cada elemento pode possuir n características em

um espaço n-dimensional. Exemplo: Uma pessoa possui nome, endereço e telefone. O

endereço, por sua vez, possui logradouro, número, bairro e cidade, e o telefone possui

código da localidade e número.

30

• Dados hierárquicos: dados cujos elementos possuem relação de hierarquia ou filiação

entre si. Todos os elementos, exceto a raiz, possuem um elemento pai. Os elementos e

as relações podem possuir múltiplos atributos.

• Redes complexas e grafos: representam os dados cujas relações não são somente

hierárquicas. As ligações entre os elementos são arbitrárias, podendo representar

estruturas relacionais complexas. Devido a importância dessa categoria para a presente

pesquisa, ela está melhor abordada no Capítulo 4.

3.3 Processo de visualização

O objetivo principal da Visualização de Informação é criar representações visuais

que sejam úteis e simples de se utilizar. Embora não exista um procedimento único para essa

tarefa, podem ser utilizadas algumas abordagens, como a proposta por MAZZA (2009):

• Definição do problema: identificação do objetivo principal na análise dos dados.

Questões como “Por que a representação visual é necessária?” ou “O que é preciso

comunicar por meio da visualização?” devem ser respondidas antes da criação da

representação, pois influenciam na sua estrutura.

• Exame da natureza dos dados: é necessário conhecer os tipos de dados que se deseja

representar. Estruturas que representam bem dados quantitativos podem não ser tão

adequadas para representar dados qualitativos, por exemplo. A Seção 3.4 descreve

como essa escolha deve ser realizada.

• Verificação do número de dimensões: o número de dimensões ou atributos dos dados

é um fator decisivo na escolha da estrutura visual. Atributos podem ser dependentes,

quando variam de acordo com o comportamento dos atributos independentes, ou

independentes, cujo comportamento não varia acompanhando outros atributos.

Conjuntos de dados podem ser univariados, bivariados, trivariados ou multivariados,

de acordo com a quantidade de atributos dependentes.

31

• Análise da estrutura dos dados: conforme visto na Seção 3.2, dados podem ser

lineares, planares, complexos, etc. Essa classificação também influencia na escolha

das estruturas visuais, conforme descrito na Seção 3.4.

• Análise dos tipos de interação: determinadas representações visuais podem ser

estáticas, e não necessitam de interação para cumprir o papel de comunicação da

informação. Em outros casos é possível, ou até mesmo necessário, permitir a

manipulação da estrutura, variando sob demanda a informação revelada. A interação

em representações visuais está melhor abordada na Seção 3.5.

De maneira complementar, KERREN, EBERT e MEYER (2006) propõem

algumas perguntas a serem respondidas:

• Quem irá utilizar a visualização?

• Quais são os dados que serão visualizados? O que esses dados representam?

• Quais tarefas serão realizadas mediante análise dos dados?

• Quais são os insights (percepções) que a visualização deve facilitar?

Uma vez realizadas análises e definições sobre a representação, para criação de

artefatos visuais que auxiliem na interpretação dos dados, é preciso transcorrer uma sucessão

de estágios, descritos por MAZZA (2009):

• Obtenção dos dados brutos: coleta dos dados originais os quais se deseja representar.

Esses dados são coletados do ambiente que se deseja analisar e geralmente não estão

em uma estrutura que possa ser utilizada diretamente como entrada para a

visualização.

• Processamento e transformações: processamento prévio dos dados, a fim de tornar sua

estrutura adequada a visualização. Nesse processamento podem ser aplicados filtros,

eliminando dados desnecessários ou irrelevantes; podem ser realizados cálculos,

32

objetivando adicionar sumarizações e dados estatísticos; bem como podem ser

adicionados outros atributos, como meta-dados, para facilitar o processo de

visualização.

• Mapeamento visual: definição das estruturas visuais utilizadas na representação dos

dados. Essa escolha de estruturas depende dos tipos de dados representados, conforme

descrito na Seção 3.4.

• Geração da representação visual: exibição do resultado final do processo de

visualização. Nesse processo é exibido o resultado da aplicação do mapeamento visual

sobre os dados processados e transformados.

A Figura 3.1 exibe um diagrama sobre o processo de visualização que se inicia

nos dados brutos e é finalizado na visualização. Os estágios desse processo estão separados

em duas áreas: obtenção e processamento de dados, e visualização. Em sistemas interativos

esse processo pode se tornar um ciclo, sendo repetido a cada interação do usuário.

Figura 3.1 – Processo de visualização


3.4 Mapeamento visual de dados

Sabendo-se que as representações visuais auxiliam a interpretar os dados, é

necessário conhecer os fatores que contribuem para que isso ocorra. Segundo LARKIN e

SIMON (1987) apud MAZZA (2009) alguns desses fatores são:

• Localização: na representação visual, os elementos são posicionados no espaço físico.

Isso permite realizar inferências diretas sobre a relação entre eles. No gráfico de barras

33

da Figura 3.2, o maior valor pode ser facilmente localizado antes mesmo da leitura do

rótulo textual, graças a facilidade em identificar a barra de maior comprimento.

Figura 3.2 – Gráfico de barras


• Redução de rótulos: esta propriedade está ligada a capacidade humana de

reconhecimento de elementos visuais sem que seja necessária a descrição textual dos

mesmos. Como pode ser observado na Figura 3.3, é possível identificar o significado

de cada um dos elementos (telefone, kit de emergência, carrinho de compras), sem que

haja qualquer descrição textual.

Figura 3.3 – Símbolos indicativos


• Ampliação perceptual: o ser humano consegue, por meio da percepção visual, detectar

naturalmente características que diferenciem elementos. Na Figura 3.4, embora

existam dezenas de círculos, encontrar qual circulo diverge dos outros é um processo

mentalmente simples e instantâneo, graças a sua cor.

34

Figura 3.4 – Percepção de cores


O aumento na capacidade cognitiva ocorre graças a características gráficas

específicas das representações visuais. Segundo BERTIN (1983) apud KERREN, EBERT e

MEYER (2006), esse fenômeno ocorre por meio de sete possíveis variáveis: posição, forma,

orientação, cor, textura, valor e tamanho. Tais variáveis são conhecidas como variáveis

retinais ou propriedades gráficas na literatura. A Figura 3.5 apresenta exemplos de cada uma

dessas variáveis.

Figura 3.5 – Variáveis retinais


Considerando a percepção visual humana, as variáveis retinais não se comportam

da mesma maneira. Algumas delas são mais efetivas que outras para representar valores

quantitativos, enquanto outras são mais adequadas a valores qualitativos (MAZZA, 2009). De

acordo com o tipo de dado que se deseja representar, é possível escolher uma propriedade

gráfica que mais se adeque a sua representação, como pode ser visto no Quadro 3.1. No

35

quadro, cada uma das propriedades gráficas está relacionada a uma classe de dados, com 1

para a menos adequada e 3 a mais adequada a representação.

Quadro 3.1 – Propriedades gráficas em relação aos tipos de dados

Escala nominal Escala ordinal/intervalar Escala racional Posição 3 3 3

Tamanho 1 3 3 Forma 3 2 1 Valor 1 3 3 Cor 3 2 1

Orientação 3 1 1 Textura 3 1 1

Fonte: (KERREN; EBERT; MEYER, 2006)

O processo de mapeamento visual se encerra na definição da propriedade gráfica

que irá representar cada um dos atributos do conjunto de dados destacados na visualização.

3.5 Interação

Humanos podem utilizar uma combinação de diversos meios de comunicação para

se expressar. Em um diálogo se utiliza, concomitantemente, a fala, expressões faciais e gestos

para transmitir uma informação. A área da Interação Humano-Computador (IHC) pesquisa

maneiras de utilizar a capacidade humana de comunicação para interação com as máquinas

(KERREN; EBERT; MEYER, 2006).

A interação é fundamental em diversas técnicas da Visualização de Informação.

Em uma representação em três dimensões por exemplo, é necessário girar a imagem para que

seja possível revelar objetos que não estejam em primeiro plano. Ferramentas de

interatividade permitem modificar os dados, alterar o mapeamento visual e manipular a

visualização gerada, facilitando a exploração dos dados e revelando fatores que não poderiam

estar explícitos em representações estáticas. Em suma, todas as técnicas de interação sobre

representações visuais têm um objetivo em comum: prover maneiras de acesso ao conjunto

geral dos dados e, ao mesmo tempo, permitir ao usuário obter detalhes específicos que julgue

relevante a análise (MAZZA, 2009).

36

Para que sejam interpretadas da maneira desejada, as interações devem ser

realizadas em intervalos determinados de tempo, sendo esses divididos em três grupos: 0,1

segundo, 1 segundo, 10 segundos (CARD; MACKINLAY; SHNEIDERMAN, 1999).

• Aproximadamente 0,1 segundo: estímulos que ocorram com intervalos de 0,1

segundo ou menos são fundidos em uma única percepção. Duas imagens similares

vistas com um intervalo de 0,1 segundo são interpretadas como movimento, e

animações deixam de funcionar quando a transição entre seus quadros ultrapassa esse

tempo. Dessa maneira, ações dos usuários devem resultar em efeitos que ocorram em

até 0,1 segundo para que sejam interpretadas como reações, e não eventos isolados.

• Aproximadamente 1 segundo: tempo médio de reação para ações não esperadas.

Eventos que ocorram em um tempo menor que 1 segundo são muito rápidos para que

o usuário responda, se não estiver esperando ativamente que aconteçam. Um motorista

demora aproximadamente 0,7 segundo para reagir e frear um automóvel após um

evento inesperado em seu caminho. O dialogo humano também consiste em blocos de

aproximadamente 1 segundo, e quando um há uma pausa por um tempo maior que

esse, o ouvinte é compelido a dizer a interjeição “ã-hã”, demonstrando que o canal de

comunicação ainda está aberto. Graças a essa percepção, eventos demorados devem

exibir sinais de atividade, como as barras de carregamento, para que o usuário seja

informado que o sistema, algoritmo ou representação ainda está ativo.

• Aproximadamente 10 segundos: tempo médio de uma interação, podendo variar de 5 a

30 segundos, sendo considerado o tempo da menor unidade do trabalho cognitivo. É

interessante que o usuário seja informado do início e término das interações nesse

tempo, facilitando compreender as alterações que ocorrem por meio delas.

As respostas dos sistemas computacionais, utilizados para gerar as representações

visuais, devem ser ajustadas para que ocorram no tempo correspondente ao resultado que se

deseja obter. Um exemplo são as animações sobre a transformação de dados, que não devem

ser muito rápidas: apenas exibir o início e fim de uma representação pode fazer com que o

usuário não reconheça quais objetos do estado inicial originaram os objetos do estado final

(CARD; MACKINLAY; SHNEIDERMAN, 1999).

37

3.6 Avaliação de representações visuais

A avaliação de representações visuais tem o objetivo de garantir que a

representação atenda os requisitos propostos no seu planejamento de maneira satisfatória. A

escolha dos critérios de avaliação depende do tipo de representação e da quantidade dedicada

de recursos, sendo essa muitas vezes limitada (MAZZA, 2009).

Tradicionalmente, sistemas são avaliados em termos de desempenho. Sistemas

que utilizam representações visuais possuem necessidades que muitas vezes sobrepõe a

necessidade por desempenho, como a usabilidade ou satisfação do usuário (KERREN;

EBERT; MEYER, 2006).

A avaliação de sistemas que realizem representações visuais é complexa, como

em todos os sistemas que envolvam interação direta com seres humanos. Dois usuários

diferentes que utilizem o mesmo sistema podem realizar julgamentos distintos, dependendo

da sua experiência, conhecimento, habilidades cognitivas e perceptivas.

Devido a semelhança dos objetivos de avaliação e dos sistemas avaliados, a

Visualização de Informação utiliza técnicas da área de Interação Humano-Computador para

avaliar sistemas que realizem representações visuais. Essas técnicas podem ser divididas em

dois grupos: avaliações analíticas e avaliações empíricas.

Métodos analíticos: métodos que se originam em modelos psicológicos da

interação entre humanos e máquinas, geralmente baseados em estudos comportamentais e

cognitivos. Essas avaliações verificam se os sistemas são compatíveis com determinadas

heurísticas, as quais são definidas nos princípios da usabilidade e acessibilidade de interfaces

gráficas. Avaliadores utilizam os sistemas e julgam se são compatíveis com as heurísticas.

Métodos empíricos: métodos que utilizam protótipos funcionais em experimentos

feitos junto aos usuários finais. Dependendo do tipo das representações visuais, esses

experimentos podem coletar dados quantitativos por meio do próprio sistema, ou qualitativos,

utilizando entrevistas, questionários ou observações diretas.

38

Uma avaliação correta pode revelar potenciais problemas e indicar quais ações

devem ser realizadas para aumentar a qualidade das representações visuais (MAZZA, 2009).


Este capítulo apresentou os princípios básicos da Visualização de Informação,

tipos de dados, processo de criação de representações visuais, interação e avaliação. O

capítulo seguinte irá abordar os grafos, componentes centrais na representação visual do

ECM, descrevendo sua teoria e apresentando metodologias e técnicas da Visualização de

Informação para sua representação.

39

4 VISUALIZAÇÃO DE GRAFOS

Como visto no Capítulo 2, o ECM é representado utilizando mapas conceituais

sobre matrizes de atributos, sendo que a representação dos mapas conceituais é feita como na

representação de grafos.

Grafos são utilizados para abstrair as mais variadas situações do mundo real, para

que essas situações possam ser melhor analisadas e compreendidas. Porém, para que os grafos

cumpram seu papel, faz-se necessário que suas representações sejam fáceis de ler e entender.

O presente capítulo realiza uma introdução sobre a teoria dos grafos, abordando

definições e conceitos fundamentais para a compreensão deste trabalho. Em seguida são

descritos problemas recorrentes na representação de grafos, convenções e abordagens para

que a visualização dos grafos atinja um nível satisfatório de clareza e legibilidade, bem como

técnicas que implementem essas abordagens.

O objetivo deste capítulo é a formação de um arcabouço teórico suficiente para

que sejam aplicadas as técnicas corretas de visualização de grafos sobre o ECM, expandido ao

máximo sua capacidade cognitiva.

4.1 Teoria dos grafos

A exemplo dos mapas conceituais, diversas situações do mundo real podem ser

descritas por meio de diagramas contendo um conjunto de pontos e linhas conectando esses

pontos. Podem ser representadas pessoas por meio dos pontos, utilizando as linhas para

demonstrar a relação amizade entre essas pessoas. Podem ser representadas também as

páginas da internet e seus links, ou ainda localizações em um mapa, no qual as linhas são os

caminhos possíveis entre essas localizações. A abstração matemática dessas situações é

chamada grafo (BONDY; MURTY, 1976).

Um grafo é um par G = (V, E), sendo V o conjunto de vértices (nós ou pontos), e

E o conjunto de arestas (linhas). Todo elemento de E deve satisfazer E ⊆ [V]2, ou seja, E

deve ser um subconjunto de dois elementos de V (DIESTEL, 2000).

40

Embora não haja uma forma única de desenho, a maneira mais usual de se

representar visualmente um grafo é utilizar pontos ou círculos para simbolizar os vértices e

linhas para simbolizar as arestas. A posição desses elementos no plano, em geral, não possui

significado (BONDY; MURTY, 1976). A Figura 4.1 representa um grafo simples G, onde V

= {a, b, c, d, e} e E = {w, x, y, z}, sendo w = (a, b), x = (b, c), y = (c, d) e z = (d, e).

Figura 4.1 – Grafo simples


O número de vértices em um grafo define sua ordem, sendo representada por |G|.

Por sua vez, o número de arestas é representado por ||G||. Grafos podem ser finitos ou

infinitos, dependendo de sua ordem. A menos que esteja explícito, todo grafo é considerado

finito. Um grafo vazio ou nulo G = {∅, ∅} também pode ser representado por G = ∅, sendo

admitido apenas por conveniência matemática. A Figura 4.2 representa um grafo G, tal que

|G| = 3, ou seja, V possui 3 elementos. E ||G|| = 2, significando que E possui 2 elementos.

Figura 4.2 – Grafo de ordem 3


Um vértice v é incidente a uma aresta e se v ∈ e. Logo, dois vértices são

adjacentes se forem incidentes a uma mesma aresta, e dois vértices distintos, que sejam

adjacentes, são ditos vizinhos. O conjunto de vértices vizinhos de um vértice v em um grafo é

simbolizado por NG(v). Se todos os vértices de G forem adjacentes, G é um grafo completo.

Um conjunto de vértices ou arestas é dito independente se nenhum elemento desse conjunto

for adjacente (BONDY; MURTY, 1976) (DIESTEL, 2000).

41

4.1.1 Matrizes de incidência e adjacência

Embora a representação visual seja uma maneira conveniente de representação

dos grafos, essa não é uma estrutura amigável para se aplicar métodos matemáticos ou para se

armazenar em ambiente computacional. Para esse propósito são consideradas duas matrizes:

matriz de incidência e matriz de adjacência (BONDY; MURTY, 1976). A Figura 4.3 exibe as

matrizes de incidência e adjacência de um grafo G, onde V = {a, b, c, d} e E = {v, w, x, y, z},

sendo v = (a, c), w = (a, b), x = (a, d), y = (c, d) e z = (b, d).

Figura 4.3 – Matrizes de incidência e adjacência


Considerando um grafo G, com um conjunto de vértices V e um conjunto de

arestas E. A matriz de incidência de G é a matriz MG de tamanho n × m, tal que MG := (mve),

onde mve corresponde ao número de vezes (0, 1 ou 2) que um vértice v e uma aresta e são

incidentes. Por sua vez, a matriz de adjacência de G é a matriz AG de tamanho n × m, tal que

AG := (auv), onde auv corresponde ao número de arestas que interligam os vértices u e v.

4.1.2 Caminhos e ciclos

Um caminho é um grafo não nulo P = (V, E), onde V = {v0, v1, …, vn} e E =

{v0v1, v1v2, …, vn-1vn}, no qual os elementos vi são sempre distintos (DIESTEL, 2000). Em

outras palavras, um caminho é grafo simples no qual os vértices podem ser organizados em

uma sequencia linear na qual dois vértices são adjacentes se forem consecutivos, e não

adjacentes em caso contrário (BONDY; MURTY, 1976). Os vértices v0 e vn são chamados

terminais e possuem grau 1, e os vértices de v1 até vn-1 são chamados internos e possuem grau

2. A quantidade de arestas em um caminho é tida como seu comprimento, e um caminho de

42

comprimento n é denotado Pn, ou n-caminho (DIESTEL, 2000). A Figura 4.4 apresenta um

caminho que pode ser descrito por P3 = ab, bc, cd.

Figura 4.4 – Caminho


Dado um caminho P = v0, …, vn, que tenha n ≥ 3, um grafo C := P + xnx0 é

chamado ciclo. Da mesma maneira que em um caminho, o comprimento de um ciclo é dado

pela quantidade de arestas e um ciclo de comprimento n é denotado Cn, ou ainda n-ciclo. Um

ciclo é também um grafo regular de grau 2 (DIESTEL, 2000). A Figura 4.5 apresenta um

grafo 4-ciclo, C4 = ab, bc, cd, da.

Figura 4.5 – Ciclo


Um grafo 3-ciclo é denominado triângulo, um grafo 4-ciclo quadrilátero e 5-ciclo

pentágono.

4.1.3 Dígrafos

Existem algumas ocasiões nas quais a natureza simétrica das arestas dos grafos

não provê a estrutura necessária para a representação da situação desejada (CHARTRAND;

LESNIAK; ZHANG, 2010). A ligação entre as páginas da internet é um exemplo, uma vez

que uma página A (origem) pode se ligar uma página B (destino) em uma ligação de sentido

único. Caso haja a necessidade de retorno da página B para a página A, é necessária outra

ligação, independente da primeira.

43

Representar um caso como tal por meio de grafo não é suficiente, sendo

necessário aplicar sentido ou orientação a cada uma das arestas. Grafos no qual as arestas

possuam orientação são chamados grafos direcionados, ou simplesmente dígrafos (BONDY;

MURTY, 1976). Um dígrafo D, possuindo um conjunto de vértices V = {a, b, c, d} e um

conjunto de arestas direcionadas E = {(a,b), (b,c), (c,d), (d,c)} está presente na Figura 4.6.

Figura 4.6 – Dígrafo


Formalmente, um dígrafo D consiste em um conjunto, finito e não vazio, de

vértices, e um conjunto de pares de vértices distintos, vazio ou não, pertencentes a D,

chamados arcos ou arestas direcionadas. Para um par de vértices u e v, um arco (u, v) pode ser

denotada como u → v, ou ainda v ← u. Assim como nos grafos, o conjuntos de vértices de D

pode ser denotado V(D), ou simplesmente V, e o conjunto de arestas E(D), ou apenas E

(CHARTRAND; LESNIAK; ZHANG, 2010). Na Figura 4.6, a direção das arestas é

representada por setas e é possível perceber, observando c → d e d → c, que duas arestas

podem ligar o mesmo par de vértices em direções opostas.

Sendo uma aresta (u, v) pertencente a D, diz-se que o vértice u é adjacente a v, e v

é adjacente a u. Para um vértice v, o grau de saída de v é dado pela quantidade de arestas em

D que partem de v. Por sua vez, o grau de entrada é dado pela quantidade de arestas que

terminam em v. Da mesma maneira, a vizinhança de saída N+(v) do vértice v é composta pelo

conjunto de vértices adjacentes a partir de v, e a vizinhança de entrada N-(v) é composta pelo

conjunto de vértices adjacentes até v (CHARTRAND; LESNIAK; ZHANG, 2010).

44

4.2 Problemas na visualização de grafos

Grafos são uma alternativa eficiente para a representação de dados que possuam

características relacionais. Sua desvantagem, porém, consiste no fato de não serem

naturalmente escaláveis. A medida que crescem os números de vértices e arestas, o grafo se

torna complexo, e sem a utilização de técnicas que auxiliem a representação, pode se tornar

ilegível (MAZZA, 2009).

Grafos que possuam milhares de vértices podem inutilizar algoritmos que

normalmente geram boas representações para centenas de vértices. A partir de um certo

limite, nenhum algoritmo irá garantir os critérios estéticos, simplesmente porque não haverá

espaço disponível para exibição dos elementos do grafo. Fica evidente, portanto, que a

primeira necessidade no processo de visualização é a adequação do tamanho do grafo

(HERMAN; MELANÇON; MARSHALL, 2000).

Algumas estratégias, descritas por MAZZA (2009), podem ser adotadas para

melhorar a representação do grafo:

• Utilizar novos arranjos geométricos (layout) como meio de ampliar a legibilidade do

grafo.

• Reduzir a quantidade de elementos representados, ocultando alguns menos relevantes

para a análise desejada.

• Utilizar interatividade por meio de software, permitindo que a representação do grafo

possa ser explorada sob demanda pelo usuário.

De maneira geral, exibir um grafo de muitos elementos sem o devido tratamento,

pode servir para a compreensão do contexto geral, mas dificilmente irá auxiliar a

compreender todos os detalhes da situação analisada (HERMAN; MELANÇON;

MARSHALL, 2000). A sequência do presente trabalho apresenta alternativas para a

representação de grafos, para que problemas de visualização não aconteçam, ou ao menos

sejam minimizados.

45

4.3 Paradigmas do desenho de grafos

Compreende-se por paradigmas no desenho de grafos algumas convenções que

proveem um padrão mínimo de qualidade na visualização dos grafos. Essas convenções estão

divididas na presente seção em duas categorias, convenções de layout, apresentando opções

no desenho dos vértices e arestas, e convenções estéticas, sendo essas características gráficas

que atribuem legibilidade aos grafos. Como alguns grafos possuem restrições em sua

representação, a definição de restrição e alguns exemplos de restrições também estão

presentes.

Diversos padrões são utilizados para a representação visual de grafos, e na grande

maioria desses padrões, os vértices são representados por círculos ou pontos, e as arestas por

linhas que conectem esses pontos. Porém, o padrão utilizado muda de acordo com a sua

aplicação. Na matemática, prefere-se, em geral, representar as arestas sempre por linhas retas.

Em circuitos ou projetos de bancos de dados, por exemplo, encontram-se mais

frequentemente desenhos ortogonais, nos quais as arestas consistem em conjuntos de

segmentos horizontais e verticais. A utilidade de um padrão de representação depende da sua

legibilidade, ou seja, na sua capacidade de transportar o significado do grafo de maneira

rápida e clara (DI BATTISTA et al., 1999).

Para se desenhar um grafo é necessário antes conhecer suas características. É

preciso saber se o grafo é direcionado ou não, se possui poucos vértices ou se é planar,

podendo ser desenhados no plano sem que suas arestas se cruzem, ou seja, é necessário

conhecer a classe a qual esse grafo pertence. O tamanho de um grafo é um fator chave na

visualização do mesmo. Um grande número de vértices e arestas pode comprometer o

desempenho ou mesmo atingir o limite de visualização da plataforma onde o grafo é exibido.

Mesmo que seja possível apresentar todos os elementos, pode ser impossível distinguir entre

vértices e arestas (HERMAN; MELANÇON; MARSHALL, 2000).

Graças a grande variedade de classes de grafos, algoritmos para o desenho de

grafos tendem a funcionar bem para classes específicas, já que diferentes classes de grafos

carecem de ter diferentes características ressaltadas. Grafos acíclicos, por exemplo, devem ter

suas arestas desenhadas preferencialmente na mesma direção, destacando a ausência de ciclos

(DI BATTISTA et al., 1999).

46

Não há, porém, um método perfeito para representar um grafo, já que a

compreensão humana varia de indivíduo para indivíduo, de situação para situação. A

vantagem da utilização de uma técnica ou outra de visualização pode variar de acordo com o

conhecimento do usuário ou até mesmo de acordo com seu humor (DI BATTISTA et al.,

1999). Existem, porém, métodos globais de se ampliar a capacidade de compreensão dos

grafos, através de convenções e padrões estéticos. Tais métodos estão apresentados a seguir.

4.3.1 Convenções de layout

A fim de padronizar a visualização dos grafos, estão definidas convenções de

posicionamento (layout), ou seja, regras básicas para a apresentação de grafos. A seguir estão

algumas convenções de layout apresentadas por DI BATTISTA et al. (1999) e KERREN,

EBERT e MEYER (2006):

• Desenho poligonal (Figura 4.7 a): todas as arestas do grafo são desenhadas como

cadeias poligonais.

• Desenho com linhas retas (Figura 4.7 b): todas as arestas do grafo são desenhadas

como linhas retas.

• Desenho ortogonal (Figura 4.7 c): todas as arestas do grafo são desenhadas como

cadeias poligonais de segmentos horizontais ou verticais.

• Desenho em grade (Figura 4.7 d): todos os vértices, arestas e dobras nas arestas

possuem coordenadas com valores inteiros no plano.

• Desenho planar (Figura 4.7 e): não há cruzamento de arestas.

• Desenho para cima (Figura 4.7 f): utilizado para dígrafos acíclicos direcionados, as

arestas direcionadas são desenhadas sempre em direção ao topo do plano.

• Desenho para baixo: semelhante ao desenho para cima, as arestas direcionadas são

desenhadas sempre em direção ao inferior do plano.

47

Figura 4.7 – Convenções de layout


4.3.2 Convenções estéticas

De maneira geral, são estabelecidas convenções estéticas para ampliar a

legibilidade das representações visuais de grafos, sendo essas convenções medidas

quantitativas (KERREN; EBERT; MEYER, 2006). Embora ditos estéticos, a motivação dos

padrões é prática, sendo possível determinar que a redução no cruzamento de arestas é mais

importante que a redução de curvas em arestas, por exemplo (HERMAN; MELANÇON;

MARSHALL, 2000). A seguir estão as convenções apresentadas por DI BATTISTA et al.

(1999) e KERREN, EBERT e MEYER (2006):

• Cruzamentos: idealmente deve-se realizar uma representação planar do grafo, ou seja,

sem cruzamento de arestas. Isso, porém, não é sempre possível e se deve, portanto,

reduzir ao máximo a quantidade de cruzamentos.

• Área e proporções do desenho: a área de um desenho pode ser definida como a área do

menor retângulo que cubra todos os elementos presentes. Deve ser realizada uma

representação eficiente em relação a área utilizada, de maneira a apresentar

corretamente todos os elementos de maneira clara, sem desperdício de espaço,

especialmente em situações nas quais o espaço em tela é limitado. Diretamente

relacionada a área do desenho, a proporção entre a altura e a largura do desenho,

48

também encontrada como razão ou relação de aspecto na literatura, deve ser

compatível com diferentes planos ou telas onde o desenho possa ser representado.

• Comprimento das arestas: redução da soma do comprimento das arestas, do tamanho

máximo de cada aresta e uniformização dos comprimentos das arestas. Esse padrão é

significativo apenas se a técnica de visualização não utilizar o tamanho das arestas ou

a posição dos nós para apresentar alguma característica importante.

• Total de curvas ou dobras: similar ao comprimento das arestas, deve ser reduzido o

total de dobras nas arestas, o número máximo de dobras em cada aresta, e deve ser

uniformizada a quantidade de dobras, visando uniformizar a representação.

• Resolução angular: maximização do menor ângulo entre duas arestas que atinjam um

mesmo vértice, especialmente em grafos com desenhos de linhas retas.

• Simetria: equilíbrio entre os elementos do grafo. A simetria pode ser apresentada de

diferentes maneiras como a simetria reflexiva, na qual os elementos são posicionados

simetricamente ao longo de um dos eixos do desenho, ou simetria rotacional, na qual

há uma simetria angular entre os elementos do desenho.

4.3.3 Restrições

Enquanto as convenções estéticas e de layout se referem a representação do grafo

como um todo, as restrições, por sua vez, se referem a determinados subgrafos, vértices ou

arestas. Pode ser necessário, por exemplo, representar um grafo no qual os vértices sejam

tarefas consequentes de um projeto, e as arestas a relação de sequência dessas tarefas. Nesse

caso, uma possível restrição seria a apresentação das arestas que componham um determinado

caminho crítico alinhadas, evidenciando esse caminho (DI BATTISTA et al., 1999). A Figura

4.8 apresenta um exemplo de como seria essa representação, alinhando os vértices a, c, d e f,

bem como as arestas que relacionam esses vértices.

49

Figura 4.8 – Restrição de alinhamento nas arestas


Outras restrições comuns, citadas por DI BATTISTA et al. (1999) e

(TAMASSIA, 1998), são:

• Centro: posicionando um determinado vértice centralizado ou próximo ao centro do

grafo.

• Externo: posicionando um determinado vértice nos extremos do desenho.

• Agrupamento: posicionando um determinado grupo de vértices próximos.

• Sequência horizontal ou vertical: posicionando os vértices de um determinado

caminho alinhados horizontal ou verticalmente.

• Forma: desenhando subgrafos com forma pré-definida.

Embora essas sejam restrições comuns, podem existir diversas outras, dependendo

da aplicação. A presente pesquisa utiliza uma restrição específica que encerra os vértices do

grafo nas células da matriz de atributos. Essa restrição está melhor abordada no Capítulo 5.

Os requisitos para o desenho de um grafo podem ser definidos em termos de

convenções de layout, convenções estéticas e restrições, sendo esses parâmetros fundamentais

para as metodologias de representação de grafos (DI BATTISTA et al., 1999).

50

4.4 Precedência de padrões estéticos

Embora todas as convenções estéticas atuem de maneira a melhorar a visualização

de grafos, é natural que algumas delas conflitem entre si quando aplicadas em situações reais.

Mesmo quando não há conflito, é inviável do ponto de vista do algoritmo tentar atender a

todas as convenções de uma só vez. Isso faz com que as metodologias de representação de

grafos necessitem estabelecer uma relação de precedência entre as convenções estéticas,

variando a ordem dessas convenções de acordo com sua aplicação (DI BATTISTA et al.,

1999). Esta seção apresenta algumas dessas metodologias.

4.4.1 Topologia-forma-métrica

Representações de grafos com desenhos ortogonais estão presentes em diversas

aplicações, como diagramas de entidade-relacionamento, diagramas de fluxo de dados ou

diagramas de bancos de dados. A topologia-forma-métrica é utilizada na construção de

desenhos ortogonais em grade, permitindo um tratamento homogêneo dos padrões estéticos.

Segundo DI BATTISTA et al. (1999) Esta metodologia se baseia em três princípios

fundamentais:

• Topologia: duas representações ortogonais possuem a mesma topologia se uma pode

ser obtida a partir da outra através de deformações contínuas que não alterem as

sequências de arestas que formam as faces do desenho.

• Forma: duas representações ortogonais possuem a mesma forma se possuem a mesma

topologia. Uma forma pode ser obtida a partir da outra apenas modificando o

comprimento das arestas, sem modificar os ângulos que elas formam.

• Métrica: duas representações ortogonais possuem as mesmas métricas se são

congruentes, ou seja, se quando sobrepostas, seus elementos coincidem.

Cada um dos princípios informados provê um refinamento do princípio anterior.

A relação hierárquica entre topologia, forma e métrica sugere uma divisão em etapas da

51

geração do desenho. A construção da representação pode ser dívida em três passos para que

corresponda aos princípios básicos da topologia-forma-métrica:

• Planarização: determina a topologia do desenho para que haja uma representação

planar.

• Ortogonalização: determina a forma do desenho para que seja uma representação

ortogonal.

• Compactação: que determina as novas coordenadas dos elementos reduzindo a área

total da representação.

A atuação da metodologia topologia-forma-métrica sobre um grafo G foi

demonstrada na Figura 4.9. Observa-se ainda que o grafo em questão não é um grafo planar e,

nesses casos, o processo de planarização objetiva apenas reduzir a quantidade de cruzamento

de arestas.

Figura 4.9 – Topologia-forma-métrica


Restrições variadas podem ser aplicadas nos passos da topologia-forma-métrica.

Na planarização podem ser aplicadas, por exemplo, restrições no posicionamento de alguns

52

vértices, prevenindo o cruzamento de arestas. Na ortogonalização, pode ser restrita a

quantidade de dobras em alguma aresta e, na compactação, pode ser exigido um espaço

mínimo ao redor de alguns vértices.

4.4.2 Abordagem hierárquica

Dígrafos acíclicos são comumente representados através de desenhos poligonais

com padrões ascendentes ou descendentes. Segundo DI BATTISTA et al. (1999), a

abordagem hierárquica, utilizada na construção dessas representações, pode ser dividida nos

seguintes passos:

• Distribuição em camadas: o grafo de entrada tem seus vértices separados em

diferentes camadas L1, L2 ... Ln, de maneira que, dada uma aresta (u, v), sendo u∈ Li e

v ∈ Lj, i seja maior que j. No desenho final, os vértices de Li terão sua coordenada y,

no plano, igual a i. Os vértices de Lj, terão y igual a j, e assim sucessivamente. Em

seguida, são aplicados dummy nodes (nós fictícios) em arestas que atinjam mais de

uma camada.

• Redução de cruzamentos: o grafo em camadas, gerado no passo anterior pela

distribuição dos vértices, participa de um processo no qual a ordem de seus vértices,

em cada camada, determina a topologia do desenho final, sendo essa ordem escolhida

de maneira a minimizar o cruzamento de arestas.

• Definição da coordenada x: tendo o grafo em camadas com a quantidade de

cruzamentos de arestas reduzida, define-se a posição ideal dos vértices no eixo x,

preservando a ordem definida pela redução de cruzamentos. Arestas que possuam

dummy nodes são transformadas em segmentos de linha reta, sendo esses nós

eliminados do desenho. Caso não seja possível a representação da aresta como linha

reta, podem ser utilizados segmentos poligonais.

Um exemplo da abordagem hierárquica está presente na Figura 4.10, com o grafo

de entrada G tendo seus vértices distribuídos em camadas (L1, L2 e L3), passando por um

processo de redução de arestas e reorganização dos vértices no eixo x.

53

Figura 4.10 – Abordagem hierárquica


Assim como a abordagem topologia-forma-métrica, a abordagem hierárquica

suporta diversas restrições em seus passos. Pode ser exigido, por exemplo, que dois vértices

sejam representados próximos no passo da redução de cruzamentos, ou ainda, pode ser

necessário que vértices de camadas diferentes estejam alinhados na definição da coordenada

x.

4.4.3 Abordagem de visibilidade

A abordagem de visibilidade é uma metodologia de propósito geral, focada na

construção de desenhos poligonais de grafos e, de acordo com DI BATTISTA et al. (1999),

possui os seguintes passos:

• Planarização: idêntica a planarização na topologia-forma-métrica, descrita na Seção

4.4.1.

• Visibilidade: em uma representação visual, cada vértice é mapeado como um

segmento horizontal e cada aresta como um segmento vertical. Um segmento vertical

que represente a aresta (u, v) tem início no segmento horizontal que representa u e

termina no segmento horizontal que representa v, e não intersecciona nenhum outro

54

segmento horizontal. Ao final desse passo, a representação visual gerada se torna um

esboço do desenho final.

• Substituição: constrói-se o desenho poligonal final por meio da substituição dos

segmentos horizontais e verticais, gerados no passo anterior, pelos vértices e arestas

correspondentes.

A Figura 4.11 apresenta um exemplo da abordagem de visibilidade agindo sobre

um grafo idêntico ao grafo tratado na Figura 4.9, o qual demonstra a metodologia topologia-

forma-métrica, passando inclusive o mesmo processo de planarização. No passo da

visibilidade, percebe-se a formação do esboço do grafo final, formado apenas pelos traços

horizontais (vértices) e verticais (arestas). Esses elementos provisórios são substituídos, no

passo seguinte, pelos círculos e segmentos poligonais tradicionais na representação de grafos.

Figura 4.11 – Abordagem de visibilidade


Como a planarização torna a abordagem de visibilidade semelhante a topologia-

forma-métrica, e o passo de visibilidade é semelhante a atribuição de camadas da abordagem

hierárquica, essa abordagem é tida como um meio termo entre as duas abordagens anteriores.

55

Restrições podem ser aplicadas em todos os passos da abordagem de visibilidade,

sendo possível definir restrições no alinhamento dos vértices de determinados caminhos, e

restrições nas formas das arestas.

4.4.4 Abordagem de ampliação

A abordagem de ampliação, apresentada por DI BATTISTA et al. (1999), é

também um abordagem de propósito geral para desenho de grafos com padrão poligonal. Essa

abordagem consiste na ideia de adicionar dummy edges (arestas fictícias) ou dummy nodes

para se obter um grafo de estrutura mais sólida, e que atenda melhor as convenções estéticas.

A Figura 4.12 apresenta os passos realizados na abordagem de ampliação.

Figura 4.12 – Abordagem de ampliação


Na Figura 4.12, podem ser verificados os seguintes passos da abordagem:

• Planarização: idêntica a planarização na topologia-forma-métrica, descrita na Seção

4.4.1.

• Ampliação: o grafo em questão recebe um conjunto adequado de arestas, ou vértices,

se for o caso, de maneira a se tornar um grafo planar máximo. Um grafo planar

máximo é um grafo planar tal que, a adição de qualquer aresta, o tornaria um grafo

56

não planar. Esse tipo de grafo tem por característica a presença de faces formadas por

conjuntos de três arestas.

• Triangulação: após o passo da ampliação, é realizado o desenho final do grafo,

representando as faces do grafo planar máximo como triângulos. Por fim, dummy

edges e dummy nodes, adicionados no passo anterior, são removidos.

Quando o grafo de entrada dessa metodologia é planar, o resultado da abordagem

de ampliação é um grafo com padrão de linhas retas. Caso contrário, os dummy nodes, que

representam cruzamentos de arestas, se tornam dobras nos segmentos. Isso pode ser

visualizado na Figura 4.12, que demonstra a abordagem de ampliação atuando em um grafo G

não planar. A aresta (c, f) que cruza a aresta (a, e) sofre uma sobra, causada pelo dummy node

presente no passo da visualização.

4.4.5 Abordagem orientada a força

A abordagem orientada a força é um método intuitivo para representação de

grafos gerais utilizando desenhos de linha reta, popular graças a simplicidade e facilidade de

implementação. A flexibilidade dessa abordagem consiste na capacidade de calculo das

posições dos elementos utilizando os dados contidos na própria estrutura, não importando a

qual domínio pertença. Representações geradas utilizando essa abordagem tendem a seguir os

padrões estéticos de grafos (KOBOUROV, 2013).

Na abordagem orientada a força, um sistema físico é simulado, no qual forças

atuam sobre os elementos do grafo de entrada. O sistema se inicia com elementos em posições

aleatórias e evolui até o desenho final, quando as forças presentes atingem um ponto de

equilíbrio. Essa abordagem também é encontrada na literatura como método de molas ou

métodos de simulação física (DI BATTISTA et al., 1999; TAMASSIA, 1998).

Um dos métodos mais tradicionais para se aplicar a abordagem orientada a força

consiste em interpretar os vértices como partículas eletricamente carregadas, e arestas como

molas. Dessa maneira, os vértices exercem forças de repulsão entre si, enquanto arestas

exercem forças de atração entre os vértices adjacentes. Um exemplo dessa interação está

ilustrado na Figura 4.13.

57

Figura 4.13 – Abordagem orientada a força


Na Figura 4.13, os seguintes passos estão representados:

• Os vértices são inicialmente posicionados aleatoriamente.

• Em seguida, são aplicadas as forças de repulsão entre esses vértices, como campos

magnéticos, fazendo com que se espalhem pelo desenho, aproveitando a área total e

evitando que se sobreponham.

• Para que o grafo não fique demasiadamente disperso, e para que vértices relacionados

fiquem próximos, as forças de atração entre vértices são então aplicadas, agindo como

molas que interligam os vértices e os aproximam.

• Por fim, com o balanceamento das forças (resfriamento), a representação final do

grafo é apresentada.

58

Embora as analogias de molas e campos magnéticos sejam comuns, diversas

outras analogias físicas podem ser aplicadas, desde que sigam a mesma lógica de atração e

repulsão dos vértices.

São facilmente suportadas pela abordagem orientada a força, restrições de

posicionamento de vértices, restrições de forma e posicionamento de subgrafos, entra

quaisquer outras restrições que possam ser expressadas como componentes do sistema físico

simulado. É possível simular, por exemplo, a ação e forças para agrupamento dos vértices,

alinhamento dos vértices, ou orientação de arestas direcionadas (TAMASSIA, 1998).

Algoritmos que implementam essa abordagem estão presentes na Seção 4.5.1.

4.4.6 Abordagem “Dividir e conquistar”

Amplamente utilizada no desenho de grafos que possam ser facilmente divididos,

como as árvores, a abordagem “Dividir e conquistar” se baseia em três passos: dividir o grafo

de entrada em subgrafos; utilizar recursivamente a metodologia para representar os subgrafos;

agrupar as representações geradas dos subgrafos, de maneira a gerar a representação do grafo

principal (DI BATTISTA et al., 1999). Nota-se que essa abordagem não tem por objetivo

desenhar vértices e arestas, mas tornar a representação mais fácil, associada a outra

metodologia de representação.

A recursão utilizada na metodologia pode ser controlada por meio da seguinte

verificação:

• Se o subgrafo é vazio, deve ser ignorado.

• Se um subgrafo consiste em apenas um vértice, deve ser representado da maneira

trivial, de acordo com a metodologia de representação aplicada.

• Se o subgrafo é uma árvore G, tal que |G| > 1, deve ser dividido, prosseguindo com a

recursão.

59

A Figura 4.14 exibe um grafo desenhado por meio da abordagem “Dividir e

conquistar”, apoiada na técnica do desenho radial, na qual é possível visualizar os vértices da

árvore distribuídos nas camadas concêntricas L1, L2, L3 e L4.

Figura 4.14 – Abordagem “Dividir e conquistar” com desenho radial


São exemplos de técnicas de representação que podem complementar a

abordagem “Dividir e conquistar”: desenho em camadas, aplicando a abordagem hierárquica

presente na Seção 4.4.2; desenho radial, semelhante a abordagem hierárquica, utilizando

porém, círculos concêntricos como camadas para os elementos do grafo; desenho horizontal-

vertical, sendo desenhos de linha reta, no qual os vértices filhos são alinhados horizontal e

verticalmente; enrolamento recursivo, construindo desenhos planares de linha reta, de cima

para baixo, que mantém a proporção de área (DI BATTISTA et al., 1999); 4.5 Técnicas para visualização de grafos

O desenho de grafos possui dois segmentos: um lado algorítmico, fortemente

baseado na matemática e teoria dos grafos, e outro lado focado na aplicação e interação,

baseado nas técnicas da Visualização de Informação (GIBSON; FAITH; VICKERS, 2013).

Algoritmos de visualização de grafos permitem aplicar, em ambiente

computacional, abordagens para a representação de grafos. Associados a bancos de dados e

interfaces visuais, compõem sistemas complexos de recuperação de informação, softwares de

engenharia e softwares de design auxiliado por computador. Tais algoritmos podem ser

60

classificados pelo tipo de grafos para qual são criados, como na família de algoritmos para

grafos planares, por exemplo, e pelo tipo de layout que geram, como algoritmos para

desenhos ortogonais ou desenhos de linha reta (HERMAN; MELANÇON; MARSHALL,

2000; TAMASSIA; BATTISTA; BATINI, 1988).

4.5.1 Algoritmos orientados a força

Algoritmos orientados a força utilizam analogias físicas para o desenho de grafos,

utilizando principalmente, mas não somente, a abordagem orientada a força, descrita na Seção

4.4.5. Em geral, os algoritmos dessa família são compostos por dois elementos, segundo DI

BATTISTA et al. (1999):

• Modelo: um sistema de forças definido pelos vértices e arestas, provendo o modelo

físico do grafo.

• Algoritmo: implementação lógica que busca o estado de equilíbrio no sistema físico,

quando a somatória das forças em cada vértice é igual a zero. Esse estado define a

representação final do grafo.

Existem vários métodos de desenho de grafos orientados a força, sendo

provavelmente a técnica mais frequentemente utilizada e modificada. Embora essa técnica

não possua limite quanto a dimensão da visualização, é mais comumente utilizada em duas

dimensões. A popularidade dessa técnica se deve a facilidade de compreensão da técnica e

implementação em código (GIBSON; FAITH; VICKERS, 2013).

Método baricêntrico:

KOBOUROV (2013) cita o algoritmo de TUTTE (1963) como sendo o primeiro

algoritmo orientado a força. A ideia do método baricêntrico consiste em: se uma face do grafo

planar for fixada no plano, então as posições adequadas dos outros vértices podem ser

encontradas resolvendo um sistema de equações lineares, onde cada posição de vértice é

representada pela combinação convexa das posições de seus vizinhos. Segundo DI

BATTISTA et al. (1999), ele pode ser considerado um método orientado a força.

61

Spring Embedder:

TAMASSIA (1998) descreve o algoritmo proposto por EADES e XUEMIN

(1989), como um sistema físico onde cada par de vértices é conectado por uma mola. Para

grafos adjacentes a mola possui um comprimento unitário natural, atraindo então os vértices

conectados, a menos que estejam a uma distância ideal. A fórmula da força de atração entre os

vértices é:

fa = ca log(d), sendo ca um parâmetro de ajuste do algoritmo

Para grafos não adjacentes, a mola possui um comprimento infinito natural,

fazendo com que os vértices se repilam. A fórmula da força de repulsão entre os vértices é:

fa = cr / d2, sendo cr um parâmetro de ajuste do algoritmo

Os vértices são posicionados aleatoriamente no início, e o algoritmo é executado

até que as forças sobre os vértices sejam iguais a zero.

Fruchterman-Reingold:

FRUCHTERMAN e REINGOLD (1991) propõe, conforme descrito por

(KOBOUROV, 2013), um algoritmo baseado no algoritmo de Eades, onde os vértices são

considerados “partículas atômicas ou corpos celestiais”, exercendo forças de atração e

repulsão entre si, ambas calculadas em relação a distância (d). As forças de atração são

calculadas por:

fa(d) = d2 / k

E as forças de repulsão são calculadas por:

fr = -k2 / d

A constante k define a distância ideal entre dois vértices e é definida por:

𝑘 = $𝑎𝑟𝑒𝑎

𝑛ú𝑚𝑒𝑟𝑜𝑑𝑒𝑣é𝑟𝑡𝑖𝑐𝑒𝑠

Abordagem das distâncias teóricas:

De acordo com CHEN (2006), KAMADA; KAWAI (1989) introduziu um

algoritmo baseado no modelo de molas de Eades, tendo por objetivo dois critérios principais:

62

• O número de cruzamentos de arestas deve ser mínimo.

• Os vértices e arestas devem ser distribuídos uniformemente.

O algoritmo de Kamada-Kawai tem por objetivo manter os vértices a uma

distância precisa, chamada “distância gráfico-teórica”. Nesse modelo, o desenho “perfeito”

seria realizado quando a distância entre cada par de vértices atingisse essa distância. Enquanto

o algoritmo de Eades não aplica explicitamente a lei de Hook1, Kamada-Kawai é diretamente

baseado nesse princípio (GIBSON; FAITH; VICKERS, 2013).

Davidson-Harels:

DAVIDSON e HAREL (1996) propõem um algoritmo de desenho de grafos que

simula o processo de resfriamento lento de líquidos, no qual é formada uma estrutura

cristalina, chamado recozimento. Tal algoritmo tem por objetivo gerar visualizações com nós

uniformemente distribuídos, tamanhos de arestas uniformes e número reduzido de

cruzamentos.

O algoritmo de Davidson-Harel inicia com uma temperatura global e a cada

iteração, apenas um vértice é movido. A distância que um vértice pode se mover diminui a

cada iteração, e a temperatura é recalculada. Esse ciclo se repete até que um dos critérios de

finalização, como a iteração sobre um determinado número de vértices, seja atingida

(GIBSON; FAITH; VICKERS, 2013). Para uma escolha de algoritmo baseada em critérios, o

seguinte quadro é proposto:

Quadro 4.1 – Critérios para escolha de algoritmos para o desenho de grafos

Critério Simetria Nós

uniformemente distribuídos

Comprimento uniforme de

arestas

Redução de cruzamentos de

arestas Spring embedder SIM - SIM -

Fruchterman-Reingold - SIM SIM SIM

Kamada-Kawai SIM SIM SIM SIM Davidson-Harel - SIM SIM SIM

Fonte: Baseado no quadro de CHEN (2006)

1 Lei de Hook: a força exercida por uma mola é linear e proporcional a sua deformação em relação ao seu tamanho natural

63

4.5.2 Vértices com restrições de posicionamento

De maneira complementar aos algoritmos orientados a força, existem os layouts

baseados em restrições, cuja abordagem foi citada na Seção 4.3.3. Tais técnicas impõem

critérios de posicionamento definidos pelo usuário, em todos os vértices ou em uma seleção

específica, aplicados ao algoritmo de layout. Os critérios podem ser a predeterminação da

posição de vértices, distanciamento de um determinado grupo de vértices ou ainda aplicação

de critérios de posicionamento a um determinado subgrafo. As restrições normalmente se

originam dos atributos dos vértices (GIBSON; FAITH; VICKERS, 2013).

Restrições aplicadas a subgrafos atribuem a eles formas predeterminadas, que

podem ser movidas ou giradas, mas não deformadas, no processo do desenho do grafo. Dessa

maneira, o subgrafo é tratado como um corpo rígido, que pode ser movido ou girado a cada

passo da simulação, dependendo da força e torque que recebam como resultado da somatória

das forças aplicadas individualmente aos vértices (TAMASSIA, 1998).

A Figura 4.15 apresenta um exemplo de layout baseado em restrições no qual os

vértices são alinhados de acordo com a sua classificação.

Figura 4.15 – Grafo com restrições de posicionamento

Fonte: (GIBSON; FAITH; VICKERS, 2013)

64

De acordo com GIBSON, FAITH e VICKERS (2012), o uso mais conhecido dos

princípios da restrição de posicionamento está na abordagem de SUGIYAMA; TAGAWA;

TODA (1981), para desenho de estruturas hierárquicas. Nessa abordagem, a hierarquia pode

já existir no grafo, ou ser induzida pelos atributos dos vértices, tendo como resultado uma

representação em camadas na qual as posições verticais são atribuídas primeiro.

A restrição de posicionamento pode auxiliar layouts interativos a preservar o

mapa mental dos usuários sobre o grafo representado, quando modificações são realizadas

(GIBSON; FAITH; VICKERS, 2013).

4.5.3 Visualização de agrupamentos em grafos

O agrupamento de vértices se mostra uma das técnicas mais eficientes para revelar

padrões ou similaridades em grafos, de maneira a ser aplicada em detrimento a redução do

cruzamento de arestas (GIBSON; FAITH; VICKERS, 2013). O agrupamento pode ser

realizado tanto pela conectividade dos vértices quanto por outros critérios sobre seus atributos

e, uma vez que os vértices estejam agrupados, outras técnicas podem ser normalmente

aplicadas. Em algoritmos orientados a força, vértices de mesmo grupo são atraídos, e vértices

de grupos diferentes repelidos (KERREN; EBERT; MEYER, 2006).

A Figura 4.16 apresenta um exemplo de grafo visualizado utilizando essa técnica.

Figura 4.16 – Group-in-a-box Layout

Fonte: (GIBSON; FAITH; VICKERS, 2013)

65

Estendendo a ideia dos layouts baseados em restrições, RODRIGUES et al.

(2011) propõem uma abordagem chamada Group-in-a-box layout (Figura 4.16), na qual os

grupos de vértices são inseridos nos retângulos de um treemap2, permitindo uma identificação

facilitada dos diferentes grupos.

4.5.4 Eficiência

Além das questões visuais dos grafos, um importante fator é a eficiência

computacional do algoritmo utilizado. As representações visuais de grafos, em especial as que

permitem interação, devem responder em tempo real às ações do usuário, mesmo nos casos

que são representados grafos com grandes quantidades de elementos (DI BATTISTA et al.,

1999).


Este capítulo abordou inicialmente a teoria dos grafos. Em seguida foram

descritos os paradigmas da visualização de grafos, problemas comuns, abordagens gerais da

visualização de grafos servindo de embasamento teórico para então serem apresentadas

técnicas de visualização de grafos, que sustentam a presente pesquisa.

O capítulo seguinte apresenta a metodologia da pesquisa, aplicando os conceitos e

técnicas da Visualização de Informação utilizados com o objetivo de ampliar a capacidade

cognitiva do ECM.

2Treemap: Representação onde a área total é dividida em regiões retangulares que representam vértices. Essas regiões também são divididas acomodando sub-regiões que representam seus filhos (KERREN; EBERT; MEYER, 2006).

66

5 VISUALIZAÇÃO DE MAPAS CONCEITUAIS

ESTENDIDOS

O capítulo anterior abordou técnicas da Visualização de Informação utilizadas na

representação de grafos, como as técnicas orientadas a força e restrições de posicionamento.

Conforme descrito no Capítulo 2, a visualização do ECM consiste basicamente em um grafo

(mapa conceitual) inserido em uma matriz (matriz de atributos), considerando-se, portanto,

que as técnicas de visualização de grafos podem, em teoria, auxiliar na representação desse

modelo.

O presente capítulo descreve a metodologia utilizada na escolha das técnicas de

visualização, sendo considerado o processo de criação de representações visuais, requisitos do

grafo a ser representado, mapeamento visual e escolha das interações. Ao final, é descrito o

desenvolvimento do algoritmo de visualização do ECM, que originou o software BLUE

KMS, e apresentado o produto final da visualização.

5.1 Requisitos do processo de visualização

Com uma abordagem inspirada no trabalho de KULYK et al. (2006), o processo e

desenvolvimento da visualização foi realizado com ênfase na Visualização de Informação, e

baseando-se em aspectos humanos, com objetivo de atender primordialmente as necessidades

dos analistas. Como procedimento formal para o levantamento das informações e requisitos

da visualização proposta, utilizaram-se as instruções presentes na seção 3.3, na qual são

descritas uma série de questões que fornecem a base para a elaboração da visualização.

A primeira questão a ser considerada é definir o problema a ser resolvido pela

visualização. Analisando a representação básica do ECM pode-se constatar que não há

qualquer recurso visual que enfatize padrões ou facilite a realização de inferências

perceptivas. Quando um sistema complexo é analisado, é de suma importância que o analista

não se atente somente as informações básicas, mas que seja guiado pela visualização a

perceber fatores relevantes que não estejam evidentes. No caso do ECM, perceber facilmente

que um determinado conceito é um ponto crítico do sistema, por não ser controlável, é um

exemplo disso.

67

A lista a seguir concretiza quais são os pontos relevantes a serem enfatizados:

• Relação de influência entre os conceitos: como premissa básica para análises

realizadas por meio de ECM, o processo de reconhecimento das influências entre os

conceitos deve ser simples e intuitivo, bem como sua natureza de reforço ou

balanceamento;

• Controlabilidade dos conceitos: deve ser facilitado também o reconhecimento da

controlabilidade do conceito, tanto em relação ao agente, quanto em relação ao

domínio;

• Criticidade do conceito no sistema: uma vez que as análises do ECM partam dos

conceitos em situação mais crítica no sistema, ou seja, dos conceitos em situação de

maior incerteza (PN, PN) é necessário destacar esses conceitos em relação aos outros.

Também é necessário destacar, de maneira menos enfática, conceitos em situação de

certeza parcial ((CT, PN), (NC, PN), (PN, CT), (PN, NC)).

• Influência indireta de um conceito sobre os outros conceitos: além da influência direta,

representada pela relação entre os conceitos, existe ainda a necessidade de evidenciar

a influência indireta, que flui de um conceito através dos outros conceitos até um

destino final, ou ainda que retorna ao próprio conceito inicial caracterizando um ciclo.

Conhecendo os pontos que devem ser destacados na visualização, faz-se

necessário analisar a natureza dos dados para que possa ser definido o processo que, por meio

desses dados, revele esses pontos. No ECM, os dados têm natureza relacional não hierárquica,

sendo adequados a representação por meio de grafos.

Quanto a interação, por se tratar de uma ferramenta analítica, deve permitir ao

usuário manipular a visualização, mas não os dados representados por ela, conforme descrito

na Seção 3.5.

68

5.2 Mapeamento visual

Embora o ECM já possua um mapeamento prévio, que consiste na representação

realizada por meio dos mapas conceituais e das matrizes de atributos, buscou-se verificar se

essas são realmente os melhores meios de representação para o objetivo da análise. Para a

representação de grafos ou redes complexas existem como alternativas a representação

tradicional de grafos como diagramas de círculos e linhas que interligam esses círculos, ou

ainda a representação por meio de matrizes, como visto na Seção 4.1.1. Porém, matrizes de

incidência e adjacência não são ferramentas práticas quando se deseja evidenciar as relações

existentes, sendo mais adequadas a aplicações matemáticas e algorítmicas, e sua utilização

faria com que a visualização falhasse na primeira necessidade detectada (Seção 5.1), sobre a

evidenciação de relações. Dessa maneira, a visualização dos dados sob a forma de grafos,

como é feita no ECM por meio dos mapas conceituais, aparenta ser a alternativa mais

adequada.

Por sua vez, a utilização das matrizes de atributos é justificada no Capítulo 2 pela

fácil categorização dos elementos em diferentes segmentos da análise. Como alternativa para

essa representação, poderiam ser utilizadas técnicas de agrupamentos de vértices ou ainda a

aplicação de cores para identificação dos atributos dos vértices. Tais técnicas não são

concorrentes, podendo ser aplicadas concomitantemente no diagrama, contribuindo para uma

fácil identificação das características a serem ressaltadas. Como a matriz de atributos do ECM

é utilizada para caracterizar os conceitos em relação a seus atributos de controlabilidade, os

agrupamentos dos vértices seguirão o mesmo princípio. Em relação as cores, optou-se por

utilizá-las para identificar a criticidade do conceito, colorindo não só o conceito, como a

célula da matriz que o contém, já que a criticidade de dá pela posição do conceito na matriz.

No ECM, as relações são indicadas por setas curvas que interligam os conceitos,

assim como nos grafos. Na representação original do modelo, porém, são adicionados os

sinais de reforço (+) ou balanceamento (-) próximos ao final da seta, o que pode impedir o

correto reconhecimento do tipo de relação quando muitas setas chegam a um mesmo conceito

no diagrama e esses sinais se sobrepõem. Como solução desse problema, os sinais foram

removidos do diagrama, e as situações de reforço ou balanceamento passaram a ser indicadas

por setas curvas contínuas ou tracejadas, respectivamente.

69

Quanto a interatividade, o diagrama deve permitir movimentação dos vértices

livremente, mas sem que deixem a célula que caracteriza sua situação de controlabilidade,

para que o analista possa visualizar algum rótulo oculto pela sobreposição de algum outro

vértice ou aresta. Ainda com o objetivo de facilitar a visualização de elementos sobrepostos, o

diagrama deve permitir o ocultamento ou a exibição dos rótulos de vértices e arestas a critério

do usuário.

Como meio para destacar os caminhos de influência, quando o analista posicionar

o cursor sobre um vértice, devem ser destacadas suas as relações, permitindo detectar

facilmente conceitos que o influenciam e que por ele são influenciados.

Esclarecidas as questões do mapeamento visual, ficaram definidas as seguintes

características para o diagrama:

• A base para a representação continua sendo os mapas conceituais e matrizes de

atributos pois, além de se revelarem boas técnicas de acordo com os parâmetros da

Visualização de Informação, são técnicas familiares aos analistas da área de gestão

estratégia e gerenciamento do conhecimento.

• As células da matriz de atributos recebem as cores que indicam os três níveis de

criticidade existentes: verde para certeza total ((CT, CT), (CT, NC), (NC, CT), (NC,

NC)), amarelo para certeza parcial ((CT, PN), (NC, PN), (PN, CT), (PN, NC)) e

vermelho para incerteza (PN, PN). As cores são apresentadas de maneira atenuada,

evitando ofuscar outros elementos do diagrama.

• Os vértices contidos nas células da matriz recebem a mesma cor das células que os

contém. Porém, no caso dos vértices, a cor não é atenuada. Para identificação são

apresentados rótulos textuais, posicionados acima dos vértices, contendo a frase que

origina o conceito representado por eles. A fim de evitar confusão, rótulos e vértices

recebem uma numeração indicativa para simplificar a localização.

• Os arcos que interligam os vértices e representam as relações de causa e efeito são

representados por setas curvas, mantendo o padrão dos mapas conceituais (como

70

descrito na Seção 2.2), possuindo linhas contínuas, caso sejam relações de reforço, ou

linhas tracejadas, caso sejam relações de balanceamento. No centro dos arcos será

posicionado o rótulo textual que contém o verbo que origina a relação.

• Os vértices podem ser arrastados pelo usuário, desde que não deixem a célula que os

contém.

• Os rótulos podem ser ocultos ou exibidos.

• Quando um vértice é sobreposto pelo cursor do mouse, todas as arestas do diagrama

ficam semitransparentes, com exceção das arestas que partam ou cheguem até esse

vértice, evidenciando suas relações.

Como requisitos específicos do grafo presente no diagrama definem-se os seguintes termos,

conforme descrito no Capítulo 4:

• Em relação ao layout: o grafo do ECM será representado utilizando como base o

desenho de linhas retas. Na representação final, porém, as linhas retas são substituídas

por linhas curvas, seguindo os princípios dos diagramas de representação do

conhecimento (Seção 2.2).

• Em relação as convenções estéticas: as principais convenções a serem seguidas pelo

diagrama são: bom aproveitamento da área do desenho e proporcionalidade. Para um

desenho de linhas retas com quantidade relativamente pequena de vértices, como é o

caso do ECM (menos de 100 vértices), com as convenções estéticas citadas, a

abordagem que se mostra mais adequada a essa realidade é abordagem orientada a

força.

• Em relação as restrições: as restrições no posicionamento consistem basicamente na

delimitação da movimentação dos vértices pelas células da matriz de atributos.

71

5.3 Algoritmo de visualização

Conforme dito na seção anterior, a abordagem que se mostra mais adequada para

a representação do diagrama é a abordagem orientada a força. Seguindo os critérios descritos

na Seção 4.4.5, o algoritmo que melhor atende os critérios propostos é o algoritmo de

Fruchterman-Reingold (FRUCHTERMAN; REINGOLD, 1991). Esse algoritmo irá

posicionar de maneira adequada os vértices, aproximando os vértices adjacentes e separando

os não adjacentes, permitindo ainda que a interação de arrasto dos vértices seja feita sem

prejudicar sua execução. Quando um vértice é arrastado o algoritmo simplesmente irá

continuar recalculando as posições do grafo como um todo até o seu “resfriamento”, quando

as forças presentes se aproximam de zero. O resfriamento também pode ser forçado pelo

usuário, a fim de obter uma visualização intermediária do grafo.

A única adequação necessária no algoritmo de Fruchterman-Reingold foi a

necessidade de repulsão dos vértices pelas paredes das células que os contém, impedindo que

esses vértices “escapem” para outras células, descaracterizando sua situação de

controlabilidade. Para tal, foi adicionada a noção de magnetismo as paredes das células,

repelindo os vértices nela contidos.

A flexibilidade do algoritmo de Fruchterman-Reingold permitiu ainda uma nova

modificação para que o espaço do desenho seja melhor aproveitado: sob demanda do usuário,

as células ganham flexibilidade em relação ao tamanho, se ajustando a quantidade de vértices

em seu interior.

Para fins de experimentação, adicionou-se ainda um terceiro método de

visualização, onde a matriz de atributos é removida e os vértices dos grafos podem ser

posicionados livremente pelo algoritmo. Nesse modo, são desconsiderados os atributos de

controlabilidade, sendo evidenciada apenas a característica de criticidade dos vértices.

Resumindo, o algoritmo permite três métodos de visualização, que podem ser

alternados a critério do usuário na mesma visualização e em tempo real: visualização com

matriz estática, visualização com matriz dinâmica, e visualização sem matriz.

72

Com o objetivo de criar uma ferramenta cujo acesso fosse global e simplificado, a

ferramenta de visualização do ECM foi feita como biblioteca para páginas de internet,

utilizando a linguagem de programação Javascript3.

Inicialmente, a implementação do algoritmo foi realizada utilizando a biblioteca

Data Driven Documents4. Porém, por se tratar de uma biblioteca que utiliza componentes

SVG5, o desempenho do algoritmo demonstrou-se aquém do esperado, sendo necessária a

substituição. Para um segundo protótipo, utilizou-se a biblioteca CreateJS6, que renderiza os

componentes da visualização em canvas7 HTML, demonstrando desempenho suficiente para a

necessidade proposta.

Como suporte a ferramenta de visualização, foi desenvolvida uma plataforma

nomeada de BLUE KMS8 (ZAMBON et al., 2016b), objetivando facilitar a gestão de usuários

que participam do processo de análise e compartilhamento do conhecimento, bem como a

criação de novos módulos, tanto para elicitação, quanto para a representação e análise do

conhecimento, facilitando o desenvolvimento de futuras pesquisas que se apoiem no ECM.

Esse software foi registrado no Instituto Nacional da Propriedade Industrial, com o número de

processo BR 51 2016 000860-1, com auxílio da Agência de Inovação da UNICAMP (INOVA

UNICAMP).

5.4 Visualização dos Mapas Conceituais Estendidos

Como exemplo para a visualização do ECM, foi utilizado o mesmo caso abordado

na Seção 2.2 para apresentar os mapas conceituais, sendo baseado na seguinte proposição

inicial (P): “Como ampliar o entusiasmo da equipe de inovação?”. Por sua vez, as proposições

secundárias são: (1) Competitividade nas organizações estimula os avanços em inovação

(reforço); (2) Avanços em inovação encorajam o entusiasmo na equipe de inovação (reforço);

3 Javascript: linguagem de programação interpretada, utilizada principalmente em navegadores de internet (MOZILLA, 2016a). 4 Biblioteca Data Drive Documents, disponível em http://d3js.org 5 SVG: linguagem de marcação para desenvolvimento gráfico em duas dimensões (W3C, 2016) 6 Biblioteca CreateJS, disponível em http://createjs.com/ 7 Canvas: componente que permite a renderização de gráficos e imagens em páginas de internet (MOZILLA, 2016b) 8 Disponível em: http://unicamp.bluekms.com.br

73

(3) Entusiasmo na equipe de inovação causa competição na equipe (reforço); (4) Competição

na equipe afeta o entusiasmo na equipe de inovação (balanceamento); (5) Entusiasmo na

equipe de inovação induz os avanços em inovação (reforço). O Quadro 5.1 apresenta os

atributos de controlabilidade de cada conceito:

Quadro 5.1 – Controlabilidade do caso de testes

Conceito Controlabilidade do agente Controlabilidade no domínio Competitividade nas organizações NC CT

Avanços em inovação CT PN Entusiasmo na equipe de inovação PN PN

Competição na equipe NC NC Fonte: Desenvolvido pelo autor

A partir desses dados, foi possível representar visualmente o ECM, como pode ser

visto na Figura 5.1.

Figura 5.1 – Visualização do Mapa Conceitual Estendido

Fonte: Desenvolvido pelo autor por meio do software BLUE KMS

Na Figura 5.1 podem ser reconhecidos os elementos característicos do Mapa

Conceitual Estendido, como a presença da proposição principal no topo, da matriz de

atributos e do mapa conceitual. Além da visualização básica, notam-se as cores nas células e

vértices, evidenciando as situações de controlabilidade dos conceitos.

74

As interações presentes têm por objetivo principal permitir ao usuário alterar a

visualização à medida que achar necessário. Caso os rótulos textuais estejam sobre outros

elementos, impedindo sua visualização, é possível ocultá-los, como apresentado na Figura

5.2.

Figura 5.2 – ECM com rótulos ocultos

Fonte: Desenvolvido pelo autor por meio do software BLUE KMS

Caso o espaço das células não esteja adequado a visualização, o algoritmo permite ainda um

auto ajuste de tamanho, de acordo com a quantidade dos vértices. Um exemplo do modelo

com matriz dinâmica é apresentado na Figura 5.3.

75

Figura 5.3 – ECM com matriz dinâmica

Fonte: Desenvolvido pelo autor utilizando BLUE KMS

Para uma análise alternativa, permite-se ainda a exibição sem restrições de

posição, em um formato comumente encontrado na literatura como “galáxia”. A Figura 5.4

apresenta um exemplo dessa exibição.

Figura 5.4 – ECM sem matriz de atributos


A utilidade da visualização sem matriz fica mais evidente quando o grafo

visualizado possui uma quantidade maior de nós, onde a visualização se torna semelhante a

outros métodos de visualização de grafos com agrupamentos de vértices. A Figura 5.5 exibe

um exemplo de grafo com dados sintéticos visualizado por esse recurso, onde se percebe a

divisão entre as diferentes situações de criticidade dos conceitos.

76

Figura 5.5 – ECM sem matriz de atributos com grande quantidade de vértices


Para conhecer a influência de um conceito sobre os outros, basta posicionar o

cursor sobre o mesmo, como pode ser observado na Figura 5.6.

Figura 5.6 – Destaque na influência de conceito


77

Na Figura 5.6 o conceito “Competitividade nas organizações” é destacado,

evidenciando sua influência de reforço (linha contínua) sobre o conceito “Avanços em

inovação”. Esse destaque facilita, por exemplo, a descoberta de um ciclo de influências, como

ocorre entre os conceitos “Entusiasmo na equipe de inovação” e “Avanços em inovação”. 5.5 Considerações do capítulo

Este capítulo descreveu a metodologia utilizada no desenvolvimento da

visualização dos Mapas Conceituais Estendidos, desde o levantamento de requisitos,

mapeamento visual até o processo de visualização. Ao final, foram apresentados os resultados

da visualização, exibindo os recursos de matriz estática, matriz dinâmica e visualização sem

matriz. O próximo capítulo descreverá o caso real de estudo utilizado para avaliação da

ferramenta.

78

6 ESTUDO DE CASO

O capítulo anterior apresentou a visualização de Mapas Conceituais Estendidos,

suas características, ferramentas e interações possíveis. Para garantir que a representação

cumpra seu papel e atenda aos requisitos para à sua utilização, faz-se necessário avaliá-la. O

presente capítulo descreve cenários reais para avaliação da ferramenta proposta.

6.1 Primeiro cenário de avaliação

Como primeiro cenário real para aplicação e avaliação do ECM, foi utilizado o

caso de uma empresa metalúrgica com severos problemas de cooperação e inexistência de

proatividade por parte dos colaboradores do departamento de contabilidade. A finalidade da

análise utilizando ECM foi externalizar o padrão de raciocínio dos trabalhadores, a fim de

detectar comportamentos semelhantes, identificando a raiz dos problemas de relacionamento.

Os problemas entre os colaboradores reduziram drasticamente a produtividade,

levando a diretoria a substituir a gerência imediata do departamento de contabilidade. A

situação encontrada pelo novo gestor foi uma equipe de sete profissionais trainados em um

cenário de stress e medo. Esse modelo de gerenciamento produziu graves problemas, como

redução da proatividade e colaboração, baixa produtividade e aumento da taxa de erros. De

maneira a combater esses problemas, o novo gestor introduziu um sistema de recompensas a

fim de motivar a equipe. Esse sistema, porém, não atingiu o objetivo esperado, sendo

necessária uma análise profunda do comportamento dos colaboradores para compreender as

razões das atitudes individualistas e desmotivadas.

Foram realizadas reuniões com os colaboradores para que expressassem suas

ideias, e para que pudessem compreender os objetivos do novo gestor. Nas reuniões

realizadas foram aplicados alguns questionários, que permitiram uma descrição proposicional

do presente cenário. Essas proposições foram originadas em uma proposição inicial P, a qual

foi validada pelos próprios colaboradores como sendo adequada para elucidar as dúvidas da

equipe:

Qual é a maneira mais eficiente de motivar a participação da equipe na busca pelas soluções

dos problemas?

79

Os colaboradores foram convidados a pensar sobre a proposição P e descrever

outras proposições secundárias p, associadas a P e que pudessem alterar seu estado. Durante

esse processo, os colaboradores refletiram sobre a similaridade entre suas proposições, unindo

as semelhantes. O processo permitiu uma melhor compreensão sobre a linha de raciocínio da

equipe, elucidando o pensamento convergente e divergente. Como resultado, foi gerado o

Quadro 6.1, contendo as proposições secundárias à proposição principal P.

Quadro 6.1 – Proposições secundárias (p) descritas pelos colaboradores

Conceitos-Causa (Cc) Relacionamentos

Conceitos-efeito (Ce) Ação Modo Premiação dos colaboradores criam (+) Motivação da equipe

Penalização dos colaboradores causam (+) Medo na equipe Atingimento de metas leva a (+) Premiação dos colaboradores Atingimento de metas força a (-) Penalização dos colaboradores Insegurança em agir compromete (-) Atingimento de metas

Medo na equipe conduz a (+) Insegurança em agir Motivação da equipe reduz (-) Medo na equipe Motivação da equipe cria na equipe (+) Proatividade


Conforme observado no Quadro 6.1, diversos conceitos foram encontrados no

processo de elicitação do conhecimento dos colaboradores. Para cada um desses conceitos,

identificou-se a situação de controlabilidade pelo agente (gestor) e em relação a P. A

identificação das características de cada conceito ocorreu coletivamente nas reuniões,

originando o Quadro 6.2.

Quadro 6.2 – Conceitos identificados nas proposições descritas

Conceito Controlabilidade do agente Controlabilidade em P Premiação dos colaboradores CT PN

Motivação da equipe NC NC Penalização dos colaboradores CT PN

Medo na equipe NC NC Atingimento de metas PN CT Insegurança em agir PN PN

Proatividade NC CT Fonte: Desenvolvido pelo autor

Observando o Quadro 6.1, é possível realizar as primeiras inferências sobre como

os conceitos-causa influenciam os conceitos-efeito. É possível afirmar, por exemplo, que o

80

“Atingimento de metas” influencia a “Premiação dos colaboradores”, assim como influencia a

“Penalização dos colaboradores”, ou que a “Premiação dos colaboradores” influencia a

“Motivação da equipe”. Essas interpretações, porém, não são visuais e necessitam de um

maior esforço por parte do analista para processar as relações. Dessa maneira, é necessário

interpretar todas as relações estruturando-as mentalmente. A concepção mental de todos os

relacionamentos, bem como do modo que ocorrem (reforço ou balanceamento), e dos

atributos de cada conceito é inviável, devido aos limites naturais da cognição (SIMON, 1991).

Baseando-se nas regras do ECM (Seção 2.4), utilizando os dados dos Quadros 6.1

e 6.2, foi possível gerar manualmente uma representação do cenário, como visto na Figura

6.1.

Figura 6.1 - Representação do caso de estudo


A representação visual (Figura 6.1) reduz os limites cognitivos relacionando

características semânticas dos conceitos com atributos visuais do desenho, permitindo uma

análise mais rápida das proposições em relação à leitura dos quadros. A representação

81

realizada sem uma ferramenta facilitadora, porém, demonstra-se inviável pois, qualquer

alteração nos dados de origem faz com que o desenho necessite ser manualmente refeito, além

de não permitir qualquer interação em tempo real. Soma-se a isso o fato de que a

representação não utiliza técnicas de visualização, as quais poderiam organizar os elementos

do desenho, além de enfatizar características importantes à análise. Justifica-se então a

utilização de um software como o BLUE KMS (ZAMBON et al., 2016b), proposto pela

presente pesquisa, aplicando técnicas da Visualização de Informação em um ambiente

interativo. A Figura 6.2 realiza a mesma representação presente na Figura 6.1, porém,

utilizando o BLUE KMS na sua criação.

Figura 6.2 - Representação do caso de estudo utilizando BLUE KMS


Diferentemente da Figura 6.1, na representação gerada utilizando o mapeamento

visual proposto neste trabalho (Figura 6.2), são enfatizadas diversas características que

permitem realizar inferências visuais sem esforço por parte do analista. Percebe-se ao centro

uma área de atenção, cujos elementos estão destacados em vermelho para que não sejam

ignorados na análise. Próximas a área de atenção central (vermelha) estão localizadas as áreas

82

de atenção moderada (amarelas) e, nos cantos do diagrama, as áreas de baixa atenção (verdes)

que representam pontos de certeza no ECM e não devem ser o foco inicial da análise, uma vez

que sua ação no sistema é bem conhecida pelo analista. Percebe-se ainda a formação de dois

possíveis ciclos de influência:

• “4. Insegurança em agir” influencia “3. Atingimento de metas”, “3. Atingimento de

metas” influencia “2. Penalização dos colaboradores”, “2. Penalização dos

colaboradores” influencia “5. Medo na equipe”, “5. Medo na equipe” influencia “4.

Insegurança em agir”;

• “4. Insegurança em agir” influencia “3. Atingimento de metas”, “3. Atingimento de

metas” influencia “1. Premiação dos colaboradores”, “1. Premiação dos

colaboradores” influencia “6. Motivação da equipe”, “6. Motivação da equipe”

influencia “5. Medo na equipe”, “5. Medo na equipe” influencia “4. Insegurança em

agir”;

Como a análise considera a transferência de energia entre os componentes do

sistema, a percepção dos ciclos é um fator de grande relevância, não devendo ser ignorado

pelo analista, embora isso possa ocorrer facilmente em representações não visuais.

Analisando a Figura 6.2, é possível constatar que os conceitos “Penalização dos

colaboradores” e “Premiação dos colaboradores” são controláveis pelo agente, uma vez que

representam regras administrativas que podem ser alteradas pelo gestor, mas não há certeza

sobre sua influência sobre P. Não se pode afirmar que “Premiação dos colaboradores” ou

“Penalização dos colaboradores” são “maneiras eficientes de motivar a participação da equipe

na busca pelas soluções dos problemas (P)”, justificando a classificação desses conceitos

como penumbra (PN) em relação ao domínio. Sendo assim, esses conceitos estão na área

amarela do diagrama, significando ser um ponto de média necessidade de atenção na análise.

Observa-se também que “Premiações dos colaboradores (Cc) criam (V) Motivação na equipe

(Ce)”, e “Penalização dos colaboradores (Cc) causam (V) Medo na equipe (Ce)”, relações

cujos conceitos-efeito não influenciam diretamente o domínio, segundo o conhecimento da

equipe.

83

Prosseguindo com a análise da Figura 6.2, observa-se que os conceitos “Medo na

equipe” e “Motivação da equipe” não são controláveis (NC) pelo agente, pois ocorrem

espontaneamente. A plena incerteza (NC, NC) demonstra que não há como o agente alterar o

comportamento dos conceitos de maneira direta, bem como não há influência direta sobre P.

Assim sendo, esses conceitos deixam de ser foco de atenção, indicando ser conceitos

coadjuvantes no resultado que está sendo obtido pelo sistema.

Nota-se que “Medo na equipe (Cc) conduz a (V) Insegurança em agir (Ce)”, que

consequentemente “compromete (V) Atingimento de metas (Ce)”, compondo os ciclos

percebidos no início da análise. A “Insegurança em agir” (PN, PN) torna-se então o ponto

crítico do sistema, já que não há certeza de como o agente pode influenciar esse conceito, nem

tão pouco como o comportamento do conceito influencia o domínio. A insegurança

justificada pelo medo na equipe não havia sido detectada pelo gestor, comprovando o fato

como núcleo do problema. Dessa forma, o crescimento do volume de erros, ainda que com

possibilidade de recompensas, fez com que os colaboradores deixassem de acreditar que as

medidas gerenciais pudessem realmente prover eficiência a equipe. Para se confirmar a

existência dos ciclos de influência, a representação gerada pelo BLUE KMS permite destacar

as linhas de influência dos conceitos, como pode ser visto na Figura 6.3.

Figura 6.3 - Destaque das relações de um conceito


Na Figura 6.3, a representação gerada utilizando BLUE KMS destaca cada uma

das linhas de influência dos conceitos quando o cursor do mouse é posicionado sobre o

84

conceito que se deseja analisar. Dessa maneira, somente as relações nas quais o conceito

selecionado participe são destacadas, tornando todas as outras semitransparentes.

A Figura 6.3 revela um cenário ineficiente quanto a ação dos gestores sobre as

atitudes dos colaboradores. Observando que “Penalização dos colaboradores (Cc) causam (V)

Medo na equipe (Ce)” (Figura 6.3 a), conduzindo a “Insegurança em agir (Ce)” (Figura 6.3 b),

comprometendo assim o “Atingimento de metas” (Figura 6.3 c), e que o “Atingimento de

metas” influencia diretamente a “Penalização dos colaboradores” (Figura 6.3 d), fica evidente

que há um ciclo vicioso no sistema. Dessa forma, a chave para uma mudança está justamente

na quebra do ciclo que causa punições, reforça o medo e impede atitudes proativas por parte

da equipe.

A representação visual gerada pelo BLUE KMS permite ainda uma outra forma

de analisar as influências entre conceitos, onde são retirados do diagrama as restrições

espaciais enfatizando puramente as relações entre conceitos. Essa representação pode ser vista

na Figura 6.4

Figura 6.4 - Representação como “galáxia”


85

Na Figura 6.4 os ciclos de viciosos de premiações e penalizações são novamente

evidenciados. O analista pode ainda ser influenciado a acreditar na existência de um terceiro

ciclo entre os conceitos 8, 9, 6, e 7, mas utilizando a ferramenta de destaque de influências,

percebe-se que não há influência sobre o conceito 8, descaracterizando o ciclo.

A representação do conhecimento coletivo revelou conceitos que antes pertenciam

somente ao conhecimento individual. Dessa maneira, problemas ocultos no cenário complexo

foram revelados. A representação do conhecimento organizacional permitiu uma discussão

clara entre colaboradores e gerência, criando condições para a inclusão de novas condições

decididas coletivamente. Após a discussão, foram propostas “Reuniões para briefing” (CT,

CT) para que houvesse “Divulgação das melhores práticas” (CT, CT). A “Divulgação das

melhores práticas” realizadas pela equipe ampliou a segurança, trabalhando a “Motivação da

equipe” e gerando “Proatividade” (Figura 6.5).

Figura 6.5 - Representação das alterações no sistema


86

“Divulgação das melhores práticas” propicia uma equipe motivada. “Motivação

da equipe” cria um ambiente proativo que, consequentemente, facilita o surgimento de novas

atitudes positivas por parte da equipe. Criou-se, então, um ciclo virtuoso combatendo o ciclo

de medo previamente existente (Figura 6.5).

O caso apresentado demonstra que a representação visual do conhecimento

coletivo, em especial quando aplicadas as técnicas corretas para evidenciar características

relevantes, permite ao analista, bem como aos próprios envolvidos, compreender o sistema

por completo, mitigando divergências de conceitos e favorecendo a compreensão mútua.

Sobre a representação visual gerada pelo BLUE KMS, pode se afirmar que:

• A representação demonstrou orientar corretamente a leitura do desenho para a análise

deste estudo de caso, uma vez que os elementos estão posicionados em uma ordem

que torna a leitura intuitiva, iniciando pela proposição inicial, seguindo para os pontos

críticos, e finalizando na exibição de detalhes sob demanda, como os rótulos textuais;

• A distribuição dos elementos em tela se mostrou adequada, em especial quando

utilizado o recurso de auto ajuste das células da matriz de atributos. Os elementos se

apresentaram distribuídos, porém, não dispersos a ponto de impedir a correta

compreensão da correlação entre eles;

• O posicionamento dos conceitos na matriz, somado à utilização de traçado

diferenciado para as relações de reforço e balanceamento permitiu uma compreensão

correta das características dos conceitos, mesmo em apresentações em escala de cinza.

Esse aspecto pode favorecer impressões que não se utilizem de cores;

A livre interação do usuário com os elementos, podendo reposicioná-los sob demanda,

facilita a leitura dos dados, mesmo em casos onde o algoritmo não distribua os

conceitos de maneira ideal;

87

6.2 Segundo cenário de avaliação

O segundo cenário de avaliação foi apresentado por ZAMBON et al., 2016a, e

descreve o caso de uma pequena empresa do setor de máquinas e equipamentos industriais.

Na empresa apresentada haviam problemas relacionados ao cumprimento dos prazos de

entrega e havia discordância entre os métodos utilizados pelos gestores para mitigar esses

problemas. Nessa empresa atuam vinte e oito colaboradores e dois sócios, ambos engenheiros,

trabalhando em regime integral. O primeiro sócio gerencia o departamento de projetos de

máquinas, e o segundo é encarregado da produção das mesmas. Um detalhe importante para a

compreensão do problema é que esses sócios são pai e filho.

Devido a hierarquia familiar presente, o ambiente empresarial acaba contaminado,

dificultando o compartilhamento do modelo de gestão que ambos utilizam, impedindo que

boas práticas se disseminem, o que acarreta no atraso das entregas realizadas. Tal divergência

entre os sócios não está explicita, já que advém diretamente da hierarquia familiar. Com o

objetivo de desenvolver o aprendizado organizacional, aplicou-se a técnica do ECM a fim de

explicitar os modelos mentais e iniciar um processo de gestão do conhecimento.

Por meio de entrevistas com os sócios, foram levantadas as impressões de cada

um deles a cerca da seguinte questão:

Porque as máquinas não são entregues no tempo contratado?

Uma vez obtidas as opiniões pessoais de cada um dos sócios, foi possível

identificar as palavras-chave do domínio do problema abordado, sendo essas:

• Clientes: todos os clientes da empresa;

• Produção: processo produtivo da empresa.

• Resultado financeiro: medidos no final do exercício ou de uma série temporal;

• Retrabalho: qualquer ação para resolver não conformidades;

• Prazo de entrega: tempos de desenho, fabricação, montagem, testes e entrega da

máquina;

• Tempo de atraso: tempo que excede o prazo de entrega;

88

• Motivação: espécie de energia psicológica ou tensão que põe em movimento o

organismo humano;

• Clima organizacional: conceitos tácitos de valor, observados no comportamento das

pessoas que fazem parte da organização.

As entrevistas também permitiram definir a relação entre esses conceitos, bem

como sua situação em relação ao domínio. Utilizando as regras do ECM (Seção 2.4), e

aplicando os dados obtidos, foi possível gerar a primeira visualização da situação abordada

como ECM (Figura 6.6).

Figura 6.6 - Representação visual


Assim como no primeiro caso apresentado, a representação visual gerada sem o

auxílio de técnicas de visualização (Figura 6.6) não possui características que facilitem a

compreensão da situação abordada, além de ser estática, não possuindo nenhuma

89

possibilidade de interação, ou modificação em tempo real. Justifica-se, novamente, a

utilização do software BLUE KMS, gerando uma visualização a partir das técnicas da

Visualização de Informação, como pode ser observado na Figura 6.7.

Figura 6.7 - Representação visual por meio do ECM

Fonte: ZAMBON et al., 2016a

Iniciando a análise, por meio da Figura 6.7, pela área mais crítica (em vermelho),

percebe-se que não há certeza sobre a influência do agente sobre o “Clima organizacional”,

bem como não se sabe qual a influência desse conceito sobre o ambiente como um todo.

“Clima organizacional”, porém, influencia diretamente a “Produção” que, por sua vez, é algo

sabidamente controlável pelo agente, e influencia diretamente o ambiente. Logo, “Produção”

está em uma área de plena certeza (verde).

Observa-se que o conceito “Clientes” se situa em uma posição de “Penumbra” em

relação ao agente, e “Controlável” em relação ao domínio. A leitura dessa situação identifica

que não há certeza sobre o controle do agente sobre “Clientes”, mas é certo que “Clientes”

influencia no problema abordado. “Clientes” também influencia “Produção” em uma situação

de reforço, já que, quanto mais “Clientes”, maior deve ser “Produção”.

Quanto ao “Retrabalho”, é certo que os agentes não o controlam. Mas, se houver

uma melhora no “Clima organizacional”, haverá uma redução nesse conceito. Isso ocorre pela

influência do “Clima organizacional” reforçando “Motivação”, e consequentemente

90

“Motivação” balanceando o “Retrabalho”. “Retrabalho” também é influenciado pela

“Produção” de maneira proporcional, já que, quanto mais produção, se não houverem

alterações no ambiente, haverá uma maior necessidade de se corrigir os problemas gerados no

processo produtivo. A consequência do aumento do “Retrabalho” é o aumento do “Atraso do

prazo de entrega”.

Tanto “Produção” quanto “Retrabalho” influenciam diretamente, mas de maneiras

inversas (“Produção” reforçando, “Retrabalho” balanceando) o “Resultado financeiro”.

A análise da situação permitiu aos agentes criar estratégicas de melhoria contínua,

conforme a representação da Figura 6.8:

Figura 6.8 – Adição de conceitos no domínio abordado

Fonte: ZAMBON et al., 2016a

Essas estratégias apresentadas na Figura 6.8 consistem na criação de três novos

conceitos:

• Análise dos erros do projeto: se refere à ação de verificar, no final da produção,

quais foram os erros do projeto, da produção e dos suprimentos;

• Aprendizagem com os erros: uma vez evidenciados os erros, revela-se aquilo que

é preciso mudar; as ações nessa fase são para corrigir projetos e alinhá-los ao

resultado da fabricação;

91

• Comunicação entre departamentos: demostra o entendimento do problema pelos

agentes mediante sua comunicação com vistas à superação da situação

problemática.

Conforme observado na Figura 6.8, o conceito “Análise de erros do projeto” é

controlável ao agente, e permite que haja a “Aprendizagem com os erros”, reduzindo o

“Retrabalho” e incentivando a “Comunicação entre departamentos”. Ampliar a sinergia entre

os departamentos causa uma imediata melhora no clima organizacional, ampliando a

motivação, e atacando o problema do retrabalho.

Assim como no primeiro caso de estudo, é possível concluir que o software BLUE KMS

facilita a identificação dos fatores relevantes ao caso, reduzindo o tempo gasto pelo analista

na interpretação dos fatos presentes, e ampliando sua capacidade de percepção de fatores que

não estariam evidentes em leituras textuais, ou mesmo na representação visual que não se

favorece das técnicas da Visualização de Informação. 6.3 Outros cenários de avaliação

Vale citar que a ferramenta foi utilizada também no artigo “Empleo de

instrumentos de gestión del conocimiento para compreensión de los patrones de preferencia

del consumidor em productos de la cadena de la moda” (ZAMBON et al., 2017), obtendo

resultados satisfatórios na análise proposta. 6.4 Considerações do capítulo

Este capítulo descreveu casos de estudo e apresentou os resultados da avaliação

sobre a utilização da visualização proposta para os Mapas Conceituais Estendidos.

O capítulo seguinte apresenta as conclusões da presente pesquisa, e descreve os

trabalhos futuros nos quais existe a pretensão de pesquisa, no contexto da visualização do

ECM.

92

7 CONCLUSÃO

7.1 Considerações gerais

Este trabalho propôs a utilização de técnicas da Visualização de Informação, em

especial as técnicas utilizadas na representação de grafos e redes complexas, para a

representação visual do modelo de representação do conhecimento denominado Mapas

Conceituais Estendidos. Esse modelo consiste em uma ferramenta utilizada para análises na

área da gestão estratégica, que visa englobar as vantagens dos mapas conceituais, como a

facilidade na identificação de ciclos de influência, bem como as vantagens das matrizes de

atributos, como a fácil categorização e comparação de conceitos.

Para que fosse desenvolvida uma ferramenta familiar e útil aos analistas, foram

levantados requisitos com foco na usabilidade, visando ampliar a capacidade do ECM por

meio de um mapeamento visual que permite realizar as inferências necessárias à compreensão

do sistema complexo ali representado. Definiu-se, no mapeamento, o formato para a

apresentação dos vértices, das arestas, aplicação das cores das células da matriz de atributos,

entre outras características visuais, objetivando atender tais requisitos. Somados a esses

recursos, foram aplicados conceitos da visualização de grafos, como a abordagem orientada a

força, restrições no posicionamento de vértices e agrupamentos de vértices.

Para aplicação dos conceitos levantados, em ambiente computacional, foi

desenvolvido um algoritmo, baseado no algoritmo de Fruchterman-Reingold, utilizando uma

linguagem voltada a utilização na internet, permitindo assim a publicação global da

ferramenta de visualização. Além das características básicas do algoritmo de Fruchterman-

Reingold, foi definida a característica de magnetismo as paredes das células da matriz de

atributos, atendendo as restrições no posicionamento dos vértices.

O algoritmo deu origem a uma plataforma completa para gestão do conhecimento,

nomeada BLUE KMS, permitindo não só a representação do conhecimento, mas também sua

elicitação e armazenamento.

De acordo aos testes realizados, a ferramenta desenvolvida se demonstrou

adequada a visualização do ECM, pois atendeu aos requisitos propostos, evidenciando todas

93

as características necessárias. Os estudos de caso realizados demonstraram ser possível

facilitar as percepções necessárias ao analista que lança mão da utilização dos Mapas

Conceituais Estendidos para analisar sistemas complexos, permitindo uma compreensão mais

clara, rápida e precisa do ambiente estudado.

7.2 Trabalhos futuros

Devido ao potencial demostrado pela ferramenta de visualização desenvolvida,

ficam registradas as seguintes propostas para trabalhos futuros, as quais não puderam ser

realizados por não estarem previstos no escopo inicial do projeto ou devido aos limites de

recursos e tempo da pesquisa:

• Definir um conjunto de heurísticas que permitam atestar a usabilidade e eficiência da

ferramenta de visualização;

• Realizar testes analíticos que comprovem a qualidade da visualização em relação aos

critérios estéticos da visualização de grafos;

• Realizar questionários e pesquisas junto aos analistas que utilizam o ECM, a fim de

revelar novas necessidades a serem exploradas pela visualização;

• Implementar uma forma de interação que permita alterar os dados do grafo em tempo

real, adicionando, editando e removendo conceitos e relações no próprio ambiente da

visualização;

• Implementar interação que permita obter mais informações sobre um determinado

conceito clicando sobre ele;

• Pesquisar meios para o processamento do desenho de grafo utilizando o processador

gráfico (GPU), com objetivo e agilizar os cálculos e permitir a adição de novas

técnicas sem que haja perda de desempenho.

94

REFERÊNCIAS BIBLIOGRÁFICAS

ALAVI, Maryam; LEIDNER, Dorothy E. Knowledge management systems: issues, challenges, and benefits. Communications of the AIS, v. 1, n. 2es, p. 1, 1999. ANUNCIAÇÃO, Pedro; ZORRINHO, Carlos. Urbanismo Organizacional: Como Gerir o Choque Tecnológico nas Empresas. Lisboa: Edições Sílabo, 2006. 192 p. BADDELEY, Alan D.; HITCH, Graham. Working memory. Psychology of learning and motivation, v. 8, p. 47-89, 1974. BERTALANFFY, Ludwig V. General systems theory. New York, v. 41973, p. 40, 1968. BERTIN, John. Semiology of graphics: diagrams, networks, maps. Madison: The University of Wisconsin Press, 1983. 416 p. BONDY, John A.; MURTY, Uppaluri S. R. Graph theory with applications. London: Macmillan, 1976. CARD, Stuart K.; MACKINLAY, Jock D.; SHNEIDERMAN, Ben. Readings in information visualization: using vision to think. Morgan Kaufmann, 1999. CHARTRAND, Gary; LESNIAK, Linda; ZHANG, Ping. Graphs & digraphs. CRC Press, 2010. CHEN, Chaomei. Information visualization: Beyond the horizon. Springer Science & Business Media, 2006. D’OTTAVIANO, Ítala M. L.; BRESCIANI FILHO, Ettore. Auto-organizacão e criação. Revista Multiciência, Campinas: CLE/UNICAMP, 2000, v. 30, p. 283-306. DAVIDSON, Ron; HAREL, David. Drawing graphs nicely using simulated annealing. ACM Transactions on Graphics (TOG), v. 15, n. 4, p. 301-331, 1996. DI BATTISTA, Giuseppe; EADES, Peter; TAMASSIA, Roberto; TOLLIS, Ioannis G. Graph drawing: algorithms for the visualization of graphs. 1999. DUVAL, Céline; DESGRANGES, Béatrice; DE LA SAYETTE, Vincent; BELLIARD, Serge; EUSTACHE, Francis; PIOLINO, Pascale. What happens to personal identity when semantic knowledge degrades? A study of the self and autobiographical memory in semantic dementia. Neuropsychologia, v. 50, n. 2, p. 254-265, 2012. EADES, Peter; XUEMIN, Lin. How to draw a directed graph. In: Visual Languages, 1989., IEEE Workshop on. IEEE, 1989. p. 13-17. FRUCHTERMAN, Thomas M. J.; REINGOLD, Edward M. Graph drawing by force-directed placement. Software: Practice and experience, v. 21, n. 11, p. 1129-1164, 1991.

95

GIBSON, Helen; FAITH, Joe; VICKERS, Paul. A survey of two-dimensional graph layout techniques for information visualization. Information visualization, v. 12, n. 3-4, p. 324-357, 2013. HELMS, Marilyn M.; NIXON, Judy. Exploring SWOT analysis-where are we now? A review of academic research from the last decade. Journal of strategy and management, v. 3, n. 3, p. 215-251, 2010. HERMAN, Ivan; MELANÇON, Guy; MARSHALL, M. Scott. Graph visualization and navigation in information visualization: A survey. IEEE Transactions on visualization and computer graphics, v. 6, n. 1, p. 24-43, 2000. KAMADA, Tomihisa; KAWAI, Satoru. An algorithm for drawing general undirected graphs. Information processing letters, v. 31, n. 1, p. 7-15, 1989. KERREN, Andreas; EBERT, Achim; MEYER, Jörg. Human-centered visualization environments. Springer-Verlag, 2006. KOBOUROV, Stephen G. Force-directed drawing algorithms. In: Handbook of graph drawing and visualization. CRC press, 2013. P 383–408. KULYK, Olga; KOSARA, Robert; URQUIZA, Jaime; WASSINK, Ingo. Human-centered aspects. In: Human-Centered visualization environments. Springer-Verlag, 2006. p. 13-75. LARKIN, Jill H.; SIMON, Herbert A. Why a diagram is (sometimes) worth ten thousand words. Cognitive science, v. 11, n. 1, p. 65-100, 1987. MACHADO-DA-SILVA, Clóvis L.; FONSECA, Valeria S. da; FERNANDES, Bruno H. Rocha. Mudança e estratégia nas organizações: perspectivas cognitiva e institucional. Administração contemporânea: perspectivas estratégicas. São Paulo: Atlas, p. 102-118, 1999. MAZZA, Riccardo. Introduction to information visualization. Springer Science & Business Media, 2009. MINTZBERG, Henry. The strategy concept I: Five Ps for strategy. California management review, v. 30, n. 1, p. 11-24, 1987. MITCHELL, Rebecca; BOYLE, Brendan. Knowledge creation measurement methods. Journal of Knowledge Management, v. 14, n. 1, p. 67-82, 2010. MOZILLA. JavaScript | MDN. 2016. Disponível em: <https://developer.mozilla.org/en-US/docs/Web/JavaScript>. Acesso em: 22 dez. 2016a. MOZILLA. Canvas tutorial - Guia do desenvolvedor web | MDN. 2016. Disponível em: <https://developer.mozilla.org/pt-BR/docs/Web/Guide/HTML/Canvas_tutorial>. Acesso em: 22 dez. 2016b.

96

NONAKA, lkujiro; TAKEUCHI, Hirotaka; UMEMOTO, Katsuhiro. A theory of organizational knowledge creation. International Journal of Technology Management, v. 11, n. 7-8, p. 833-845, 1996. NOVAK, Joseph D. Learning, creating, and using knowledge: Concept maps as facilitative tools in schools and corporations. Routledge, 2010. PAIVIO, Allan. Dual coding theory: Retrospect and current status. Canadian Journal of Psychology/Revue canadienne de psychologie, v. 45, n. 3, p. 255, 1991. RODRIGUES, Eduarda M.; MILIC-FRAYLING, Natasa; SMITH, Marc. Group-in-a-Box layout for multi-faceted analysis of communities. In: Privacy, Security, Risk and Trust (PASSAT) and 2011 IEEE Third International Conference on Social Computing (SocialCom), 2011 IEEE Third International Conference on. IEEE, 2011. p. 354-361. ROUBY, Evelyne; THOMAS, Catherine. L’articulation compétences individuelles/compétences stratégiques: vers une solution de gestion intégrée des compétences. Revue Interventions économiques. Papers in Political Economy, n. 40, 2009. SENGE, Peter M. The fifth discipline fieldbook: Strategies and tools for building a learning organization. Crown Business, 2014. SIMON, Herbert A. Bounded rationality and organizational learning. Organization science, v. 2, n. 1, p. 125-134, 1991. SLACK, Nigel. The flexibility of manufacturing systems. International Journal of Operations & Production Management, v. 7, n. 4, p. 35-45, 1987. STERMAN, John D. System dynamics modeling: tools for learning in a complex world. California management review, v. 43, n. 4, p. 8-25, 2001. SUGIYAMA, Kozo; TAGAWA, Shojiro; TODA, Mitsuhiko. Methods for visual understanding of hierarchical system structures. IEEE Transactions on Systems, Man, and Cybernetics, v. 11, n. 2, p. 109-125, 1981. TAMASSIA, Roberto. Constraints in graph drawing algorithms. Constraints, v. 3, n. 1, p. 87-120, 1998. TAMASSIA, Roberto; DI BATTISTA, Giuseppe; BATINI, Carlo. Automatic graph drawing and readability of diagrams. IEEE Transactions on Systems, Man, and Cybernetics, v. 18, n. 1, p. 61-79, 1988. TAVARES, Romero. Construindo mapas conceituais. Ciências & Cognição, v. 12, p. 72-85, 2007. THOMPSON, Benjamin P.; BANK, Lawrence C. Use of system dynamics as a decision-making tool in building design and operation. Building and Environment, v. 45, n. 4, p. 1006-1015, 2010.

97

TUTTE, William Thomas. How to draw a graph. Proc. London Math. Soc, v. 13, n. 3, p. 743-768, 1963. W3C. W3C SVG Working Group. 2016. Disponível em: <https://www.w3.org/Graphics/SVG/>. Acesso em: 22 dez. 2016. ZAMBON, A. C.; BAIOCO, Gisele B.; CHISTE, Cristiano; VASQUES, Dildre G. Uma aplicação prática de gestão do conhecimento e simulação na resolução de problemas complexos empresariais. Revista Produção Online, v. 16, n. 2, p. 408–440, 2016a. ZAMBON, A. C.; BAIOCO, Gisele B.; DA SILVA, Celmar G.; DUARTE, Gabriel A. BLUE KMS. Limeira, SP – Brazil. INPI - Proc. BR 51 2016 000860 1, 2016b. Disponível em: <http://unicamp.bluekms.com.br> ZAMBON, A. C.; BAIOCO, Gisele B.; CARREÑO, Luz A. T.; JARAMILLO, Juan F. G. Empleo de instrumentos de gestión del conocimiento para compreensión de los patrones de preferencia del consumidor em productos de la cadena de la moda. Perspectivas em Gestão & Conhecimento, v. 7, n. especial, p. 50–65, 2017.